MVSNet 和 PatchMatchNet 的DTU数据集 几个不同之处 一定要注意

已于 2023-08-27 19:30:58 修改
阅读量988 收藏 9
点赞数
分类专栏： 传统/深度三维重建MVS系列 文章标签： DTU数据集不同之处 MVSNet的DTU数据集 PatchMatchNet 测试集 数据加载不同 训练集 数量 分辨率不同
于 2023-08-27 19:30:01 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_51233386/article/details/132526465
版权
本文详细对比了MVSNet与PatchMatchNet在DTU数据集上的测试集数据加载及训练集的数量与分辨率的区别。MVSNet的测试数据加载时cams文件包含最小深度和间隔，而PatchMatchNet则是最小和最大深度。训练集方面，MVSNet的训练数据为19.2GB，深度图分辨率较低（160×128），包含119组；而PatchMatchNet训练数据量更大，达到76.3GB，深度图使用原分辨率（1600×1200），包含128组。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

文章目录


在这里插入图片描述

1 测试集 数据加载不同

1.MVSNet 的DTU测试数据集和PatchmatchNet测试数据集不一样；
区别在于数据加载，前者 cams文件最后是最小深度和间隔，后者是最小深度和最大深度。
在这里插入图片描述

在这里插入图片描述

2 训练集 数量 分辨率不同

二者训练集也不一样，前者19.2GB，后者76.3GB，主要区别前者深度图使用小分辨率（160×128）119组，是后者深度图采用原分辨率（1600×1200）128组。

MVSNet 的DTU 训练集：
dtu_training.rar,18.9GB;
解压后

了解本专栏 订阅专栏 解锁全文 超级会员免费看
基于深度学习的三维重建网络PatchMatchNet（二）：dtu数据集介绍及PatchMatchNet中加载数据部分代码解析
qq_41694024的博客
02-25 2130
dtu数据集介绍及PatchMatchNet中加载数据部分代码解析
dtu数据集 测试集介绍
程序员，他们想的是什么?他们想的永远都是技术，他们崇尚的也永远都是技术。
07-23 3883
进入到scan1文件下下，可以看到scan下有三个文件，分别是。打开dtu测试集查看到有22 组测试集，每个场景scan下有三个文件。每个场景的49个图片、
DTU数据集在MVSNet上生成点云精度和完整度的评定
qq_31731573的博客
03-21 2766
针对准确性的评估，采用平均距离指标来度量，准确性指标越低越好，表示R与G之间的距离越小，恢复的点云更准确。针对完整性的评估，采用百分比指标来度量，完整性指标越高越好，表示R恢复的模型更加完整。论文中用到的指标为acc、comp、overall和f-scoreacc衡量的是重建点云到真实值的距离，comp衡量的是真实值到重建点云的距离，overall和f-score则是对准确性和完整性的整体评估，计算方式为precision和recall，计算公式如下：er→Gming∈G∥。
preprocessed DTU training and test data，DTU数据集 MVSNET
04-27
DTU训练集测试集， MVSNET
DTU数据集结构
Kunjpg的博客
05-06 2847
用于训练，评估，测试主要有128个scan，train：79个，val：18个，test：22个。
dtu-training数据集 百度网盘19G
11-04
dtu-training数据集 百度网盘19G
PatchMatchNet 训练dtu数据集、训练曲线查看、实操教程图图文详解、
程序员，他们想的是什么?他们想的永远都是技术，他们崇尚的也永远都是技术。
08-13 1035
训练集原名是dtu,但为了和MVSNet的dtu训练集加以区别，本文代码将其重命名为patchmatch_dtu。这里设置的的是训练8个Epoch，不同的电脑配置寻片时间也是不一样的，全部训练完毕1天到几天不等。在代码文件加下打开 README.md文件找到训练说明，查看那要求、下载训练集、训练方法。在./checkpoints文件下就产生一个 train_log文件，记录所有训练的日志。如果运行出错可根据提示作相应修改，一般都是路径，文件名啥的不对。检查好路径配置,确定训练集的路径和代码里训练路径一致。
深度学习重建 特点对比总结 MVSNet系列最新顶刊 特点对比总结
程序员，他们想的是什么?他们想的永远都是技术，他们崇尚的也永远都是技术。
09-15 697
香港科技大学的权龙教授团队的Yao Yao把双目立体匹配的cost volume，引入了基于深度学习的三维重建领域，提出了MVSNet，并整理了DTU数据集，开创了通过深度模型预测深度进行三维重建的一个新领域。后续Xiaoyang Guo 同学把原来MVSNet的tensorflow代码改成了pytorch框架，极大地增加了代码的可读性，方便了后续一系列对MVSNet的改进。也提高了改进的基点。
深度学习三维重建 笔记总结 问题总结 MVSNet系列最新顶刊 对比总结 （近20篇）
程序员，他们想的是什么?他们想的永远都是技术，他们崇尚的也永远都是技术。
09-03 1029
MVSNet(CVPR-2018)，RMVSNet(CVPR2019)，PointMVSNet(ICCV2019),P-MVSNet(ICCV2019)，MVSCRF(ICCV2019)，Cascade(CVPR2020),CVP-MVSNet(CVPR2020)，Fast-MVSNet(CVPR2020)，UCSNet(CVPR2020),CIDER(AAAI2020)，PVAMVSNet(ECCV2020)，D2HC-RMVSNet(ECCV2020)，Vis-MVSNet（BMVC 2020），AA-
MVSNet CVPR-2018 学习总结笔记 译文 深度学习三维重建
程序员，他们想的是什么?他们想的永远都是技术，他们崇尚的也永远都是技术。
09-10 525
一个端到端的深度学习架构，用于从多视图图像进行深度映射推断。在该网络中，首先提取深度视觉图像特征，然后通过可微分单应性翘曲在参考摄像机截锥上建立三维代价体。是一种监督学习的方法,以一个参考影像和多张原始影像为输入,而得到参考影像深度图的一种端到端的深度学习框架。网络首先提取图像的深度特征,然后通过可微分投影变换构造3D的代价体,再通过正则化输出一个3D的概率体,再通过soft argMin层,沿深度方向求取深度期望,获得参考影像的深度图。Differentiable Homography 可微分单应性翘曲。
Herlev数据集（PAP-SEAR (DTU/HERLEV) 数据库和相关研究）
07-28
注意：PAP-SEAR (DTU/HERLEV) 数据库和相关研究，原地址：https://mde-lab.aegean.gr/downloads，数据集的东西都可以在这个地址上免费下载！！！如果不方便下载的话可以使用积分下载。内含多个图像数据集、及excel特征及分类标签、还有语义分割和原图的对应。（本资源包含上述链接的全部数据集，都下载下来并打包了，方便各位使用，如果不想用积分下载可以到原地址进行下载即可，下载前请阅读注意事项）
MVSNet:MVSNet（ECCV2018）和R-MVSNet（CVPR2019）
05-12
MVSNet和R-MVSNet [新闻] BlendedMVS数据集发布！！！ （）。 关于 是一种深度学习体系结构，用于从非结构化多视图图像推断深度图， 是其扩展，用于基于可伸缩学习的MVS重建。 如果您发现此项目对您的研究有用，请引用： @article{yao2018mvsnet, title={MVSNet: Depth Inference for Unstructured Multi-view Stereo}, author={Yao, Yao and Luo, Zixin and Li, Shiwei and Fang, Tian and Quan, Long}, journal={European Conference on Computer Vision (ECCV)}, year={2018} } @article{yao2019recurrent,
大型机操作-MVS之数据集
09-09
结合实际操作,总结经验,并有截图!!!拿出来给大家分享,一起学习!!!
（DTU数据集、Tanks and Temples 数据集、ETH3D 数据集、BlendedMVS数据集 ） 深度学习三维重建MVS论文中最受欢迎的大型数据集
程序员，他们想的是什么?他们想的永远都是技术，他们崇尚的也永远都是技术。
08-27 4264
近几年，在MVS类论文中使用最为广泛的大型数据集分别是DTU数据集、Tanks and Temples 数据集、ETH3D 数据集 、数据集。对于基于学习的MVS训练，深度图是必不可少的，而评估是基于点云的。对基于平面扫描的多视图立体视觉技术的深度学习中，如果一个数据集不包含地面真实摄像机标定，或者使用开源软件获得地面真值标定，那么它可能不适合训练，因为平面扫描对摄像机标定中的噪声很敏感。
【环境搭建】DTU数据集定量测试环境搭建
double_ZZZ的博客
01-21 4367
环境搭建 首先在DTU官网下载定量测试的数据集（这部分之前师兄下过就没重新下） 最终的数据结构应该是 . ├── ObsMask └── Points └── stl 然后下载官方matlab测试代码，我用的是MVSNet_PyTorch里evaluation中的matlab代码 主要修改的是两个文件BaseEvalMain_web.m和ComputeStat_web.m 其中需要修改的也主要是几个路径： dataPath：官网下的两个数据集的位置 plyPath：所有你自己生成ply的位置
MVSNet、PatchMatchNet中的lists文件text.txt train.txt val.txt DTU数据集中的lists文件79组训练集，18组验证集和22组评估集
程序员，他们想的是什么?他们想的永远都是技术，他们崇尚的也永远都是技术。
07-18 410
DTU数据集是具有124个不同场景的室内多视图立体数据集，其中所有场景共享相同的相机轨迹，它包含在7种不同光照条件下的49或64个视图的128组图片。分为79组训练集，18组验证集和22组评估集(test)。将每张图像作为参考，总共有27097个训练样本。下面以PatchMatchNeth中的DTU数据结构为例，打开PatchMatchNet程序中的list文件。打开list 下的dtu中的test文件可以看到。
【三维重建】【深度学习】【数据集】基于COLMAP制作自己的NeuS(DTU格式)数据集
yangyu0515的博客
08-16 4692
【三维重建】【深度学习】【数据集】基于COLMAP制作自己的NeuS(DTU格式)数据集
【论文精读10】MVSNet系列论文详解-PatchmatchNet
Liverwhles
12-12 2176
这篇的难度需要有一些知识积累哦🧐
DTU数据集中文件组成及其含义
最新发布
qq_60320488的博客
08-18 751
请注意，深度范围和深度分辨率由最小深度、两个深度样本之间的间隔以及深度样本数量（如果未提供，则在训练/测试脚本中）确定。我们还保留了用于控制深度分辨率的选项。然后，最大深度计算为：pair.txr第一行为数据集中包含的源图像的数目之后的没两行为一小组，举例第二行和第三行第二行：0为源图像的标号第三行：第一个为10是参考图像的标号，第二个为参考图像的标号，第三个为参考图像和原图像的相似度；自此开始到最后，重复第二个和第三个的含义。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

R-G-B

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值