PVA-MVSNet是ECCV2020提出的一种改进多视角立体匹配的深度学习方法，通过优化代价体计算和自适应视图聚合，减少内存消耗并提高重建质量。在DTU和Tanks&Temples数据集上表现优秀，尤其提升了纹理稀疏区域的精度和完整性。
Date：2020-11-25
作者：Shelo
来源：3D视觉工坊
论文题目：Pyramid Multi-view Stereo Net with Self-adaptive View Aggregation
论文链接：https://arxiv.org/pdf/1912.03001.pdf
PVA-MVSNet是ECCV2020的一篇文章，该文章在基于深度学习的MVS问题上，针对代价体和深度图优化方式进行了改进，减少了代价体运算所消耗的运算内存，同时大大提升了重建模型的完整度。效果如图1所示。
1. 概述
PVA-MVSNet是继MVSNet之后，基于MVSNet提出的一种新的解决多视角立体匹配问题的方法。该方法优化了代价体的计算方法并且引入了新的深度图聚合结构，从而提高了重建点云的完整度和准确性。该方法在DTU数据集上进行训练，在Tanks&am
最低0.47元/天 解锁文章
扫一扫
571
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
