论文地址: http://arxiv.org/pdf/2007.10872v1.pdf
代码:https://github.com/yhw-yhw/D2HC-RMVSNet
来源: 北京大学,香港大学,腾讯
论文名称:Dense Hybrid Recurrent Multi-view Stereo Net with Dynamic Consistency Checking
原文作者:Jianfeng Yan
内容提要
本文提出了一种具有动态一致性检验的高密度混合递归多视图立体网络,即D2HC-RMVSNet,用于精确的稠密点云重建。该方法包括两个核心模块:1)一个光DRENet (Dense Reception Expanded)模块,提取具有多尺度场景信息的原始大小的密集特征图谱,2)一个HU-LSTM(Hybrid U-LSTM)调整3D匹配体规则化为预测深度图,通过LSTM与U-Net架构的耦合,有效地聚合不同规模的信息。为了进一步提高重构点云的准确性和完整性,我们采用了一种动态一致性检查策略。在此过程中,动态地聚合所有视图之间的几何一致性匹配错误。我们的方法在复杂的户外Tanks and Temples基准上排名第一,在内部DTU数据集上进行的广泛实验表明,本文方法性能SOTA,同时显著性地减少内存消耗,只花费了R-MVSNet内存消耗的19.4%。
主要框架及实验结果
声明:文章来自于网络,仅用于学习分享,版权归原作者所有,侵权请联系删除。