【三维重建】开源 | 香港大学—高分辨率的多视图三维重建框架R-MVSNet，在MVS基准测试中性能SOTA

论文地址： https://arxiv.org/pdf/1902.10556.pdf

代码： https://github.com/YoYo000/MVSNet

来源： 香港大学，深圳Altizure

论文名称：Recurrent MVSNet for High-resolution Multi-view Stereo Depth Inference

原文作者：Yao Yao

内容提要

深度学习在多视图三维重建(MVS)上具有卓越的性能。然而，当前学习的MVS方法的一个主要限制是可扩展性：消耗内存的成本大，使得学习的MVS难以应用于高分辨率场景。本文提出了一种基于递归神经网络的框架R-MVSNet，适用于各种分辨率的场景。该方法依序地在深度方向上通过GRU单元正则化2D cost map，而不是一次性构建3D cost volume，这大大地减少了内存消耗，使高分辨率重建成为可能。本文提出的R-MVSNet在最近的MVS基准测试中性能SOTA，在大尺度数据集上的结果良好，而原有方法无法完成重建任务。

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。