-
题名大尺度多视立体深度估计网络S-MVSNet
- 1
-
-
作者
闫利
张登稣
谢洪
单瑾
-
机构
武汉大学测绘学院
-
出处
《测绘地理信息》
CSCD
2023年第3期30-35,共6页
-
基金
国家重点研发计划(2017YFC0803802)。
-
文摘
针对现有估计网络空间复杂度高、难以处理高分辨率影像的问题,提出了一种大尺度多视立体深度估计网络(scalable multi-view stereo network,S-MVSNet)。以R-MVSNet为基础,提出一种轻量级的多尺度特征提取网络MiniUNet来降低空间复杂度;结合多尺度循环神经网络(multi-scale recurrent neural network,MS-RNN)来提升正则化网络的感受野;设计半全局正则化(semi-global regularization,SGR)方法将3D正则化问题转化为两个方向上的2D序列正则化问题,以提升深度估计的精度。在DTU、ETH3D及Tanks and Temples数据集上进行测试,测试结果表明,S-MVSNet能在8 GB显存下处理2K影像,支持的最大输入分辨率是RMVSNet的2.25倍,平均精度较R-MVSNet提升11%。
-
关键词
三维重建
多视立体
深度估计
循环神经网络(recurrent
neural
network
RNN)
半全局正则化(semiglobal
regularization
sgr)
-
Keywords
3D reconstruction
multi-view stereo
depth esti⁃mation
recurrent neural network(RNN)
semi-global regu⁃larization(sgr)
-
分类号
P237
[天文地球—摄影测量与遥感]
-