V-FUSE：带长程约束的体积式深度图融合
计算机视觉与模式识别
2023-08-21 v1
摘要
我们引入了一个基于学习的深度图融合框架，该框架接受由多视立体（MVS）算法生成的一组深度图和置信度图作为输入并对其进行改进。这是通过将编码不同视角间长程表面关系的体积可见性约束集成到一个端到端可训练的架构中来实现的。我们还引入了一个深度搜索窗口估计子网络，与更大的融合子网络联合训练，以沿每条射线缩减深度假设搜索空间。我们的方法直接从数据中学习建模深度一致性以及可见性约束的违反；有效消除了微调融合参数的必要性。在 MVS 数据集上的大量实验表明，输出的融合深度图和置信度图的精度得到了显著提升。
引用
@article{arxiv.2308.08715,
title = {V-FUSE: Volumetric Depth Map Fusion with Long-Range Constraints},
author = {Nathaniel Burgdorfer and Philippos Mordohai},
journal= {arXiv preprint arXiv:2308.08715},
year = {2023}
}
备注
ICCV 2023