15、迈向大规模全光重建：GigaMVS 基准的探索与实践

迈向大规模全光重建：GigaMVS 基准的探索与实践

1. 大规模全光重建的目标与挑战

在计算机视觉和图形学领域，以无与伦比的真实感和细节重建现实世界场景一直是长期追求的目标。要实现这一目标，需要在传感技术和全光重建算法两方面协同努力。为了实现千兆像素级的全光重建，现有重建方法存在几个关键问题需要解决：
1. 大规模数据集 ：推进和分析最先进的重建方法需要大规模数据集，如千兆像素级 3D 重建数据集 GigaMVS。
2. 稀疏视图重建方法 ：更实用且成本效益更高，但会增加遮挡难度。
3. 高分辨率神经重建技术 ：利用潜在的流形稀疏性，释放结构和纹理细节的表达能力。
4. 基于知识的重建方法 ：结合几何结构先验和语义知识，加速大规模几何恢复。

2. GigaMVS 基准介绍

2.1 现有基准的不足

多视图立体视觉（MVS）技术广泛用于基于多幅图像恢复 3D 几何形状和纹理细节，但现有的基准算法无法为具有大规模几何形状的场景提供小细节的高分辨率观察。

2.2 HighResMVS 基准

为解决这一问题，引入了新的基准 HighResMVS，支持超高清图像来重建大规模 3D 模型，用于评估重建模型的几何形状和纹理，具有以下特点：
- 多尺度 ：数据集包括结构尺度的场景和纹理尺度的细节，最多由 10 张千兆像素图像捕获。
- 大规模