SuperMVS：用于高分辨率多视图立体视觉的非均匀代价体
计算机视觉与模式识别
2022-03-30 v2
摘要
与大多数使用静态均匀采样方法并借助大量假设平面以获得精细深度采样的前沿（SOTA）算法不同，本文提出一种自由移动假设平面方法，用于在宽深度范围内进行动态非均匀采样以构建代价体，该方法不仅大幅减少平面数量而且实现更精细采样，同时降低计算成本并提高精度，称为非均匀代价体。我们提出 SuperMVS 网络以采用非均匀代价体实现多视图立体视觉。SuperMVS 是一个具有四个级联阶段的由粗到细框架。其可输出更高分辨率且准确的深度图。我们的 SuperMVS 在 DTU 数据集和 Tanks \& Temples 数据集上以低显存、低运行时间和更少平面取得了 SOTA 结果。
引用
@article{arxiv.2203.14331,
title = {SuperMVS: Non-Uniform Cost Volume For High-Resolution Multi-View Stereo},
author = {Tao Zhang},
journal= {arXiv preprint arXiv:2203.14331},
year = {2022}
}