ICG-MVSNet：学习视图内与跨视图关系以指导多视图立体
计算机视觉与模式识别
2025-03-28 v1
摘要
多视图立体 (MVS) 旨在从一系列重叠图像中估计深度并重建三维点云。近期基于学习的 MVS 框架忽略了嵌入在特征与相关性中的几何信息，导致代价匹配较弱。在本文中，我们提出了 ICG-MVSNet，其显式整合视图内与跨视图关系以进行深度估计。具体而言，我们开发了一个视图内特征融合模块，利用单张图像内的特征坐标相关性来增强鲁棒的代价匹配。此外，我们引入了一个轻量级的跨视图聚合模块，高效利用来自体相关性的上下文信息以指导正则化。我们的方法在 DTU 数据集和 Tanks and Temples 基准上进行了评估，在需要更低计算资源的同时，始终取得与 SOTA 工作相当的竞争性能。
引用
@article{arxiv.2503.21525,
title = {ICG-MVSNet: Learning Intra-view and Cross-view Relationships for Guidance in Multi-View Stereo},
author = {Yuxi Hu and Jun Zhang and Zhe Zhang and Rafael Weilharter and Yuchen Rao and Kuangyi Chen and Runze Yuan and Friedrich Fraundorfer},
journal= {arXiv preprint arXiv:2503.21525},
year = {2025}
}