-
题名基于轻量化深度卷积循环网络的MVS方法
- 1
-
-
作者
佘维
孔祥基
郭淑明
田钊
李英豪
-
机构
郑州大学网络空间安全学院
-
出处
《郑州大学学报(工学版)》
CAS
2024年第4期11-18,共8页
-
基金
嵩山实验室预研项目(YYYY022022003)
国家自然科学基金资助项目(62206252)
河南省科技攻关项目(212102310039)。
-
文摘
针对基于深度学习的MVS方法存在网络参数量大、显存占用较高的问题,提出一种基于轻量化深度卷积循环网络的MVS方法。首先,采用轻量化多尺度特征提取网络提取图像的高层语义特征图,构建稀疏代价体减小计算体积;其次,使用卷积循环网络对代价体进行正则化,一次平面扫描完成正则化过程,减少显存占用;最后,通过深度图扩展模块扩展稀疏深度图为稠密深度图,并结合优化算法保证重建精度。在DTU数据集上与最近的方法进行对比,包括传统MVS方法Camp、Furu、Tola、Gipuma,基于深度学习的MVS方法SurfaceNet、PU-Net、MVSNet、R-MVSNet、Point-MVSNet、Fast-MVSNet、GBI-Net、TransMVSNet。实验结果表明:所提方法在精度上与其他方法保持较小差距的前提下,能够将预测时显存开销降低至3.1 GB。
-
关键词
轻量化
深度卷积循环网络
MVS方法
正则化
dtu数据集
-
Keywords
lightweight
deep convolutional recurrent network
MVS method
regularization
dtu dataset
-
分类号
TP39
[自动化与计算机技术—计算机应用技术]
TP751.1
[自动化与计算机技术—检测技术与自动化装置]
-