MSF-Net：用于鲁棒光度立体测量的多阶段特征提取与融合
计算机视觉与模式识别
2025-10-30 v1
摘要
光度立体测量是一种通过利用来自不同照明条件下拍摄的图像所提取阴影线索来确定表面法向的技术。然而，现有的基于学习的方法往往无法准确捕获多阶段的特征，亦不足以促进这些特征之间的相互作用。因此，这些模型倾向于提取冗余特征，尤其是在包含褶皱和边缘等细节复杂区域时。为解决上述问题，我们提出了 MSF-Net（Multi-Stage Feature Extraction and Fusion Network），一种新的框架，用于在多个阶段提取信息，并配合选择性更新策略，以提取高质量的特征信息，这对于准确构建法向至关重要。此外，我们开发了一个特征融合模块，以改进不同特征之间的相互作用。在 DiLiGenT 基准测试上进行的实验结果表明，我们提出的 MSF-Net 在表面法向估计精度方面显著优于以往的最先进方法。
引用
@article{arxiv.2510.25221,
title = {MSF-Net: Multi-Stage Feature Extraction and Fusion for Robust Photometric Stereo},
author = {Shiyu Qin and Zhihao Cai and Kaixuan Wang and Lin Qi and Junyu Dong},
journal= {arXiv preprint arXiv:2510.25221},
year = {2025}
}