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

最新推荐文章于 2025-10-31 19:59:43 发布

原创

最新推荐文章于 2025-10-31 19:59:43 发布 · 1.2k 阅读

3 ·

CC 4.0 BY-SA版权

文章标签：

#1024程序员节

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。密集的像素级对应关系搜索是立体声方法的核心问题，而在已知的视图几何和光照的控制环境中，恢复正确的对应关系也是一个挑战。在非受控的环境中，尤其是当输入来源于众包图片时，这个任务变得尤为关键。

为了解决这些挑战，提出了一个新的方法，利用了Zheng等人的提议，核心贡献