基于ConvNeXt和可变形卷积的多视图重建

三维重建技术是目前计算机视觉领域的热点研究项目,目的是通过图像或者图像集来还原物体的几何形状。针对多视图立体(Multi-view Stereo,MVS)重建结果整体以及重建完整度不理想的问题,对特征提取模块和损失函数进行优化,提出了一种基于ConvNeXt和可变形卷积的多视图立体重建网络;该网络在DTU数据集上进行训练和测试,与CasMVSNet相比,重建的完整度指标提高了24.2%,重建整体性指标提高了2.5%,比其他的传统方法和部分现有的深度学习方法完整度或整体都有提升;对DTU数据集测试的结果进行分析表明,该网络框架在整体性能上有着出色的结果,可以获得质量更优的三维重建效果。