Colmap论文之一：Pixelwise View Selection for Unstructured Multi-View Stereo

标题：Pixelwise View Selection for Unstructured Multi-View Stereo

作者：

• Johannes L. Schönberger（ETH Zürich）
• Enliang Zheng（UNC Chapel Hill）
• Marc Pollefeys（ETH Zürich 和 Microsoft）
• Jan-Michael Frahm（UNC Chapel Hill）

摘要：

这项工作介绍了一个针对非结构化图像集合的Multi-View Stereo (MVS) 系统，主要用于鲁棒和高效的密集建模。这个系统的核心贡献包括：

• 深度和法线信息的联合估计
• 使用光度和几何先验进行像素级视图选择
• 同时进行细化和基于图像的深度与法线融合的多视角几何一致性项 经过大规模的互联网照片集合实验，表明这种方法在准确性、完整性和效率方面均达到了业界领先的水平。

1. 引言：

大规模的3D重建从互联网照片中已经经历了巨大的进化。虽然这种技术在稀疏建模（使用Structure-from-Motion, SfM）和密集建模（使用Multi-View Stereo, MVS）中都有所应用，但密集场景的表示在许多应用中是至关重要的，如图像分类、图像基渲染、定位等。尽管MVS被广泛应用，但要在非受控的环境中估计精确、完整和美观的密集模型仍然是一个挑战。