高分辨率多视点立体视觉与立体匹配的级联代价体优化
需积分: 0 189 浏览量
更新于2024-06-30
1
收藏 19.08MB PDF 举报
"高分辨率多视点立体视觉与立体匹配的级联代价体"
这篇外文科技文献翻译主要关注的是高分辨率多视点立体视觉(MVS)和立体匹配领域中的技术改进。立体视觉和立体匹配是计算机视觉的重要组成部分,它们通过分析不同视角的图像来估计场景的三维结构。在这些任务中,通常会构建3D代价体以帮助正则化和确定深度及视差,但这种方法在处理高分辨率图像时,由于体积的增大,内存和计算时间的需求也会呈立方增长。
文章提出了一种新的级联代价体表示法,旨在提高效率并降低内存和时间成本。这个级联代价体通过编码几何信息和上下文细节,逐步细化特征金字塔来构建。在每个阶段,利用前一阶段的预测来限制深度或视差的搜索范围,从而减少计算量。随着代价体分辨率的提高,深度或视差的间隔也会自适应地调整,以实现更精细的恢复。
将这一方法应用于MVS-Net(一个有代表性的多视点立体视觉网络)后,研究显示在DTU数据集上的性能提升了35.6%,同时减少了50.6%的GPU消耗和59.3%的运行时间。此外,该方法还在Tanks and Temples排行榜上所有深度模型中取得了第一的成绩,证明了其在多个标准上的优越性。
论文还探讨了相关工作,包括现有的MVS和立体匹配算法,并详细介绍了级联代价体的构建、特征金字塔的作用以及损失函数的设计。实验部分展示了在多视点立体视觉和立体匹配任务上的效果,进一步验证了该方法的有效性。
代码已开源在GitHub上,供其他研究者和开发者参考和使用。这表明该工作不仅提供了理论上的贡献,还促进了实际应用的发展。
2021-05-08 上传
2021-02-27 上传
2021-07-07 上传
2021-05-01 上传
萱呀
- 粉丝: 30
- 资源: 354
最新资源
- 掌握Jive for Android SDK:示例应用的使用指南
- Python中的贝叶斯建模与概率编程指南
- 自动化NBA球员统计分析与电子邮件报告工具
- 下载安卓购物经理带源代码完整项目
- 图片压缩包中的内容解密
- C++基础教程视频-数据类型与运算符详解
- 探索Java中的曼德布罗图形绘制
- VTK9.3.0 64位SDK包发布,图像处理开发利器
- 自导向运载平台的行业设计方案解读
- 自定义 Datadog 代理检查:Python 实现与应用
- 基于Python实现的商品推荐系统源码与项目说明
- PMing繁体版字体下载,设计师必备素材
- 软件工程餐厅项目存储库:Java语言实践
- 康佳LED55R6000U电视机固件升级指南
- Sublime Text状态栏插件:ShowOpenFiles功能详解
- 一站式部署thinksns社交系统,小白轻松上手