基于学习的多视图立体：综述
计算机视觉与模式识别
2026-01-14 v3
摘要
3D 重建旨在恢复场景的稠密 3D 结构。在增强现实/虚拟现实（AR/VR）、自动驾驶和机器人等各种应用中发挥着 essential 作用。利用由不同视点捕获的多个视角，多视图立体（MVS）算法综合了全面的 3D 表示，实现了复杂环境中的精确重建。由于其效率和效果，MVS 成为基于图像的 3D 重建的关键方法。近期，随着深度学习的成功，许多基于学习的 MVS 方法被提出，显著优于传统方法。我们将这些基于学习的方法分类为：深度图基方法、体素基方法、NeRF 基方法、3D 高斯溅写基方法和大型前馈方法。在这些方法中，我们尤其关注深度图基方法，因为它们因简洁性、灵活性和可扩展性而是 MVS 的主要家族。在本综述中，我们提供了目前文献的全面回顾。我们研究这些基于学习的方法，总结它们在流行基准测试上的性能，并讨论在该领域展望的未来研究方向。
引用
@article{arxiv.2408.15235,
title = {Learning-based Multi-View Stereo: A Survey},
author = {Fangjinhua Wang and Qingtian Zhu and Di Chang and Quankai Gao and Junlin Han and Tong Zhang and Richard Hartley and Marc Pollefeys},
journal= {arXiv preprint arXiv:2408.15235},
year = {2026}
}
备注
Accepted to IEEE T-PAMI 2026