![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
MVS
文章平均质量分 91
IceFtv
这个作者很懒,什么都没留下…
展开
-
[MVS]《Non-parametric Depth Distribution Modelling based Depth Inference for Multi-view Stereo》阅读笔记
近来,使用cost volume pyramid的基于学习的方法通常在粗级别上构建的初始深度估计来执行局部深度搜索,而他们假设所有像素都服从单峰分布,并且将每个像素的深度估计为在预定范围内近似连续的深度分布期望。这些方法忽视了有剧烈深度变化的小物体和边界区域,在这些区域,单峰分布假设并不成立。如果估计的粗深度远离实际深度,误差将传播到细化级别,并且无法通过局部深度搜索进行校正,从而导致不正确的深度预测。作者通过使用多模态分布在不同分辨率下对每个像素深度进行显式建模。原创 2022-09-08 11:17:41 · 273 阅读 · 1 评论 -
[MVS]《Cascade Cost Volume for High-Resolution Multi-View Stereo and Stereo Matching》阅读笔记
MVS和立体匹配方法通常构造3D成本体积以正则化和回归深度或视差,但是这些方法会受到高分辨率输出的限制。因为随着体积分辨率的增加,内存和时间成本呈立方增长。此论文提出一种内存和时间高效的成本体积公式,以补充现有的基于3D成本体积的多视点立体和立体匹配方法。首先,提出的成本量建立在特征金字塔上,以逐渐精细的尺度编码几何结构和上下文。然后,可以通过前一阶段的预测缩小每个阶段的深度(或视差)范围。随着成本体积分辨率的逐渐提高和深度(或视差)间隔的自适应调整,以从粗到精的方式恢复输出。原创 2022-09-02 16:09:33 · 959 阅读 · 0 评论