Vis-MVSNet 论文思想

最近在学习 MVSNet 系列的论文，读到 Vis-MVSNet，想从网上找一些别人阅读的笔记（总结好的中文看着快些），发现比较少，就把自己的笔记也发一下哈哈

Vis-MVSNet——BMVC-2020 & IJCV-2022

基于深度图的 coarse-to-fine（Stage 为 3，前阶段深度图作为后阶段代价体构建输入）：（1）2D Unet 构建不同分辨率的 3 层图像金字塔；（2）分组相关性（CIDER）构建为每个参考 - 源图像构建成对代价体；（3）代价正则化：先单独正则化构建潜在体，再将可见性感知（联合深度估计和不确定性 - 熵）作为权重融合进一步正则化为概率体；（4）回归输出当前阶段深度图

主要思想

借鉴 CasMVSNet 的 coarse-to-fine 思路，进而针对重建中像素级可见性问题，通过匹配不确定性估计来推断和整合遮挡信息。通过联合成对深度和不确定性估计，用作代价体构建时的加权指导，减少被遮挡像素的错误成本聚合，提高重建质量

处理流程

可见性感知的处理