Aug, 2021

AA-RMVSNet：自适应聚合循环多视图立体网络

PDF
TL;DR本文介绍了一种利用长短时记忆的新型递归多视角立体视觉网络，该网络基于自适应聚合，并提出了协同作用的自适应聚合模块，有效改善了局部细节和大低纹理表面的性能，并且在各种数据集上取得了出色的表现。
recurrent multi-view stereo networklong short-term memoryadaptive aggregation3d reconstructionhybrid network
发现论文，激发创造
  • 具有自适应视图聚合的金字塔多视图立体网络

    该研究提出了一种有效和高效的基于金字塔多视图立体 (MVS) 网络的自适应视图聚合方法，用于精确和完整的密集点云重建。

    Dec, 2019

  • 高分辨率多视角立体深度推测的循环 MVSNet

    本研究提出基于递归神经网络的可扩展多视图立体（MVS）网络，通过递归因子单元（GRU）减少内存消耗，实现对高分辨率场景的高效重建。实验结果显示该方法在最近的 MVS 基准上取得了最先进的性能并在多个大规模场景上显示了伸缩性。

    Feb, 2019

  • RIAV-MVS: 基于循环索引的非对称体积多视角立体重建

    本文提出了一种基于学习的方法，通过迭代索引平面扫描成本体积并借助卷积门控循环单元来回归深度图，从而进行多视角深度估计。经过对真实世界多视图数据集的大量实验，验证了该方法在数据集内部性能和跨数据集概括性能方面都达到了最先进水平。

    May, 2022

  • 多视角立体表示重新审视：区域感知的 MVSNet

    本研究使用深度学习等技术，提出了一个基于点到表面距离的补丁感知（patch-awared）多视角立体重建（multi-view stereo）方法，能够更好地重建纹理缺失区域和表面边界，并且经过实验证明，在 DTU 和 Tanks & Temples 数据集上达到了最佳重建效果。

    Apr, 2023

  • 基于注意力感知的代价体积金字塔的多视角立体网络用于三维重建

    提出一种高效的多视角立体（MVS）网络以实现多视角图像的三维重建和深度推断，其采用策略推断出粗到细的深度图，其中引入自注意力层与相似度测量来生成新的代价体以进行深度图细化，最终实验表明该模型优于大多数 SOTA 方法。

    Nov, 2020

  • 密集混合循环多视图立体网络，带有动态一致性检查

    本文提出了一种名为 D$^2$HC-RMVSNet 的密集混合循环多视角立体网络，它通过动态一致性检查策略有效地实现了精确的密集点云重建，并在几种基准测试中展现了超过所有方法的表现。

    Jul, 2020

  • AANet: 用于高效立体匹配的自适应聚合网络

    提出了一种基于稀疏点和神经网络的代价聚合方法，用于加速立体匹配的推理速度，并在 KITTI 数据集上取得了有竞争力的结果。

    Apr, 2020

  • VERAM：视图增强的循环注意力模型用于 3D 形状分类

    本文提出了一种名为 VERAM 的递归注意模型，能够主动选择一系列视角进行高精度的三维形状分类，通过三个关键增强策略解决了现有注意力模型中不平衡训练的问题，实现了状态下的最先进水平。

    Aug, 2018

  • 一种新的循环编码 - 解码结构，用于从开放式航空数据集中进行大规模多视图立体重建

    本研究提出了一个名为 WHU 的合成航空数据集，该数据集是首个大规模的多视角航空数据集，并介绍了一种名为 RED-Net 的新型神经网络，专门用于高精度的三维地球表面重建。通过实验，我们证实了该方法的性能和效率，在减少内存和计算成本的同时，使 MAE 提高了 50％以上，并且比传统方法的一些最佳商业软件的效率提高了 16 倍。

    Mar, 2020

  • ARAI-MVSNet：具有自适应深度范围和深度间隔的多视角立体深度估计网络

    该研究提出了一种新颖的多阶段粗到细的框架，用于实现自适应全像素深度范围和深度间隔的多视图立体重建，通过预测粗糙深度图、自适应深度范围预测和自适应深度间隔调整模块，可以实现更准确的深度估计。实验结果表明该模型在多个基准数据集上取得了最先进的性能，并具备较强的泛化能力。

    Aug, 2023