可见性感知的多视图立体网络
计算机视觉与模式识别
2020-08-20 v2
摘要
基于学习的多视图立体（MVS）方法已展现出有前景的结果。然而，现有网络极少显式考虑逐像素可见性，导致被遮挡像素产生错误的代价聚合。在本文中，我们通过匹配不确定性估计，在 MVS 网络中显式推断并整合逐像素遮挡信息。逐对不确定性图与逐对深度图联合推断，并进一步在多视图代价体融合中用作加权引导。由此，被遮挡像素的不利影响在代价融合中被抑制。所提出的框架 Vis-MVSNet 在具有严重遮挡的场景中显著提升了深度精度。在 DTU、BlendedMVS 和 Tanks and Temples 数据集上进行了大量实验，以验证所提框架的有效性。
引用
@article{arxiv.2008.07928,
title = {Visibility-aware Multi-view Stereo Network},
author = {Jingyang Zhang and Yao Yao and Shiwei Li and Zixin Luo and Tian Fang},
journal= {arXiv preprint arXiv:2008.07928},
year = {2020}
}
备注
Accepted to BMVC 2020