PatchmatchNet：可学习的多视点 Patchmatch 立体匹配
计算机视觉与模式识别
2020-12-03 v1
摘要
我们提出 PatchmatchNet，一种新颖且可学习的 Patchmatch 级联形式，用于高分辨率多视点立体匹配。凭借高计算速度与低内存需求，PatchmatchNet 能够处理更高分辨率的影像，并且比采用 3D 代价体正则化的竞争方法更适合在资源受限设备上运行。我们首次在端到端可训练架构中引入迭代多尺度 Patchmatch，并以一种新颖且可学习的自适应传播与评估方案改进每次迭代的 Patchmatch 核心算法。大量实验表明，我们的方法在 DTU、Tanks & Temples 和 ETH3D 上具备极具竞争力的性能与泛化能力，但效率显著高于所有现有顶尖模型：至少比最先进方法快两倍半，且内存占用减半。
引用
@article{arxiv.2012.01411,
title = {PatchmatchNet: Learned Multi-View Patchmatch Stereo},
author = {Fangjinhua Wang and Silvano Galliani and Christoph Vogel and Pablo Speciale and Marc Pollefeys},
journal= {arXiv preprint arXiv:2012.01411},
year = {2020}
}