PatchMVSNet：面向弱纹理表面重建的块级无监督多视图立体
计算机视觉与模式识别
2022-03-07 v1
摘要
基于学习的多视图立体（MVS）在流行数据集上获得了精细重建。然而，监督学习方法需要真值用于训练，这难以收集，尤其对于大规模数据集。尽管如今已提出无监督学习方法并取得了令人满意的结果，这些方法在挑战性场景（如弱纹理表面）中仍无法重建出完整结果，因为这些方法主要依赖像素级光度一致性，其受各种光照影响。为缓解这些挑战性场景中的匹配歧义，本文提出利用多视图图像下约束的鲁棒损失函数：1）块级光度一致性损失，其在多视图相似性度量中扩大特征的感受野；2）鲁棒双视图几何一致性，其包含具有最小遮挡的跨视图深度一致性检查。我们的无监督策略可用任意深度估计框架实现，并可用任意大规模MVS数据集训练。实验表明，我们的方法能减少匹配歧义，尤其提升弱纹理重建的完整性。此外，我们的方法在DTU、Tanks and Temples和ETH3D等流行基准上达到了SOTA方法的性能。代码将很快发布。
引用
@article{arxiv.2203.02156,
title = {PatchMVSNet: Patch-wise Unsupervised Multi-View Stereo for Weakly-Textured Surface Reconstruction},
author = {Haonan Dong and Jian Yao},
journal= {arXiv preprint arXiv:2203.02156},
year = {2022}
}