​​《DeepMVS: Learning Multi-view Stereopsis》​​

主要解决的问题：输入任意数量的姿态图像来预测高质量的视差图

主要描述

       主要包含三部分：（1）在真实统一数据集上进行有监督的预训练；（2）提出一个有效的方法在无序的图像数据集中收集信息；（3）使用预训练的VGG-19网络来融入多层的特征。通过在 ETH3D数据集上对论文中提出的DeepMVS网络，进行对比实验，表现出良好的结果，尤其在接近没有纹理和薄结构上。

系统架构

AI论文探讨室·A+·第11期 DeepMVS: Learning Multi-view Stereopsis_数据集

特征聚集

AI论文探讨室·A+·第11期 DeepMVS: Learning Multi-view Stereopsis_计算机视觉_02

实验效果对比

AI论文探讨室·A+·第11期 DeepMVS: Learning Multi-view Stereopsis_计算机视觉_03

结论

了解更多关于《计算机视觉与图形学》相关知识，请关注公众号：

AI论文探讨室·A+·第11期 DeepMVS: Learning Multi-view Stereopsis_计算机视觉_04

下载我们视频中代码和相关讲义，请在公众号回复：计算机视觉课程资料