One of the most successful approaches in multi-view stereo estimates a depth
map and a normal map for each view via patchmatch-based optimization and fuses
them into a consistent 3D points cloud. This approach re
在这篇论文中,我们提出了一种名为 TSAR-MVS 的新方法,通过过滤、细化和分割来有效解决 3D 重建中纹理缺失区域的挑战。该方法首先采用联合假设过滤技术来消除深度估计错误,然后通过迭代相关性细化和纹理感知分割方法来提高准确性和在纹理缺失区域保留细节的能力。实验证明,与大多数非学习方法相比,我们的方法在各种数据集上都显著优于其他方法,并且能够在纹理缺失区域中保持鲁棒性。