![](/style/images/good.png)
![](/style/images/bad.png)
多视图立体匹配论文分享:P-MVSNet
source link: https://mp.weixin.qq.com/s/NRlpDfqCpDCo7lmaqzX96g
Go to the source link to view the article. You can view the picture content, updated content and better typesetting reading experience. If the link is broken, please click the button below to view the snapshot at that time.
多视图立体匹配论文分享:P-MVSNet
点击上方“3D视觉工坊”,选择“星标”
干货第一时间送达
论文地址:在公众号「3D视觉工坊」,后台回复「P-MVSNet」,即可直接下载。
不同于以往的特征提取,本文将特征提取分为两个层级:L1和L2。L1层级只作用于参考图像,通过一个3D的编码解码器,抽象出的L1特征,用于最终指导形成高分辨率的深度图。L2层级则作用于除参考图像外的所有其他图像,通过3D编码器提取特征。L2层级特征将用于建立匹配置信体。2)学习局域匹配置信
学习匹配置信分为两个步骤,首先使用上一步中得到的L2层级特征以及对应的摄像机参数,建立像素的匹配置信体。然后通过学习的方式建立区域匹配置信,以此增强匹配的鲁棒性和准确性。像素的匹配置信通过标准的平面扫描立体方法建立,定义为M=M(d,p,c),代表了第C个特征通道在特征图F0以及临近的特征图中像素P的匹配置信。计算公式如公式1所示:
在深度图预测部分,作者使用了3D U-Net来从上一步的结果中得到潜在的概率体,定义为V2,具体参数如图2所示。
Loss方程使用的是真实值和预测值之间的绝对误差,同时考虑了Dl1和Dl2两个方面,公式如下:
重磅!3DCVer-学术论文写作投稿 交流群已成立
扫码添加小助手微信,可申请加入3D视觉工坊-学术论文写作与投稿 微信交流群,旨在交流顶会、顶刊、SCI、EI等写作与投稿事宜。同时也可申请加入我们的细分方向交流群,目前主要有3D视觉、CV&深度学习、SLAM、三维重建、点云后处理、自动驾驶、多传感器融合、CV入门、三维测量、VR/AR、3D人脸识别、医疗影像、缺陷检测、行人重识别、目标跟踪、视觉产品落地、视觉竞赛、车牌识别、硬件选型、学术交流、求职交流、ORB-SLAM系列源码交流、深度估计等微信群。
一定要备注:研究方向+学校/公司+昵称,例如:”3D视觉 + 上海交大 + 静静“。请按照格式备注,可快速被通过且邀请进群。原创投稿也请联系。
▲长按关注公众号
3D视觉从入门到精通知识星球:针对3D视觉领域的知识点汇总、入门进阶学习路线、最新paper分享、疑问解答四个方面进行深耕,更有各类大厂的算法工程人员进行技术指导。与此同时,星球将联合知名企业发布3D视觉相关算法开发岗位以及项目对接信息,打造成集技术与就业为一体的铁杆粉丝聚集区,近2000星球成员为创造更好的AI世界共同进步,知识星球入口:
学习3D视觉核心技术,扫描查看介绍,3天内无条件退款
圈里有高质量教程资料、可答疑解惑、助你高效解决问题觉得有用,麻烦给个赞和在看~![640?wx_fmt=gif](https://mmbiz.qpic.cn/mmbiz_gif/gYUsOT36vfpFnEj3CMde0iaOKfGiaAmbfRRPePWld5pUR0niaibYOvNP5cx7nKS5I6180xeya4ZIYJClvHqSpQecqA/640?wx_fmt=gif)
Recommend
About Joyk
Aggregate valuable and interesting links.
Joyk means Joy of geeK