摘要

我们提出了一种基于深度学习的多视图立体（Multi-View Stereo）新方法。该方法通过在每个像素的可行深度值连续空间中以二进制决策的方式进行迭代，从而估计出高分辨率和高精度的深度图。决策过程利用了深度网络架构：这一架构计算出一个像素级的二进制掩码，确定每个像素的实际深度是在当前迭代个体深度假设之前还是之后。此外，为了处理遮挡区域，在每次迭代中，不同源图像的结果通过第二个网络估计的像素级权重进行融合。由于采用了二进制决策策略，这使得对深度空间的有效探索成为可能，我们的方法可以在不牺牲分辨率和精度的情况下处理高分辨率图像。这一点与大多数其他基于学习的多视图立体方法不同，后者需要显式离散化深度空间，导致需要处理大量的成本体积。我们在DTU、Tanks and Temples以及具有挑战性的ETH3D基准测试上将我们的方法与最先进的多视图立体方法进行了比较，并展示了具有竞争力的结果。