SD-MVS：基于分割驱动的形变多视图立体匹配与球面精化和EM优化
计算机视觉与模式识别
2025-11-26 v2
摘要
在本文中，我们介绍了基于分割驱动的形变多视图立体匹配（SD-MVS），该方法能有效应对无纹理区域三维重建中的挑战。我们首次采用Segment Anything Model（SAM）来区分场景中的语义实例，并进一步利用这些约束在匹配代价和传播上进行逐像素的补丁形变。同时，我们提出了一种独特的精化策略，该策略结合了球面坐标和法线梯度下降以及深度上的逐像素搜索区间，显著提高了重建三维模型的完整性。此外，我们采用期望最大化（EM）算法交替优化聚合匹配代价和超参数，有效缓解了参数过度依赖经验调整的问题。在ETH3D高分辨率多视图立体基准和Tanks and Temples数据集上的评估表明，我们的方法能够在更少的时间消耗下达到最先进的结果。
引用
@article{arxiv.2401.06385,
title = {SD-MVS: Segmentation-Driven Deformation Multi-View Stereo with Spherical Refinement and EM optimization},
author = {Zhenlong Yuan and Jiakai Cao and Zhaoxin Li and Hao Jiang and Zhaoqi Wang},
journal= {arXiv preprint arXiv:2401.06385},
year = {2025}
}
备注
Published to AAAI2024