多尺度几何一致性引导的多视图立体匹配

在本文中，我们提出了一种高效的多尺度几何一致性引导的多视图立体方法，用于准确且完整的深度图估计。我们首先提出基于自适应棋盘采样和多假设联合视图选择（ACMH）的基础多视图立体方法。它利用结构化区域信息来采样更好的候选假设用于传播，并在每个像素处推断聚合视图子集。对于低纹理区域的深度估计，我们进一步提出将 ACMH 与多尺度几何一致性引导（ACMM）相结合，以在较粗尺度上获得低纹理区域的可靠深度估计，并保证它们能够传播到更细尺度。为了纠正从较粗尺度传播而来的错误估计，我们提出了一种新颖的细节恢复器。在大量数据集上的实验表明，我们的方法达到了最先进的性能，不仅在低纹理区域而且在细节处都恢复了深度估计。