网站做404是什么意思,给别人做网站收8000贵不贵,企业的vi设计系统,工业和信息化部文章目录 传统的方法有什么缺陷吗#xff1f;MVSnet深度的预估 传统的方法有什么缺陷吗#xff1f;
传统的mvs算法它对图像的光照要求相对较高#xff0c;但是在实际中要保证照片的光照效果很好是很难的。所以传统算法对镜面反射#xff0c;白墙这种的重建效果就比较差。 … 文章目录 传统的方法有什么缺陷吗MVSnet深度的预估 传统的方法有什么缺陷吗
传统的mvs算法它对图像的光照要求相对较高但是在实际中要保证照片的光照效果很好是很难的。所以传统算法对镜面反射白墙这种的重建效果就比较差。 通过深度学习的方式可以让网络去学习在相对不同的光照效果下的重建也可以学习到镜面反射的效果。
MVSnet
MVS的理论核心和传统的基本是一样的。 这个网络的核心是构建 cost volume这个过程就用到plane sweeping的方式。 这个网络的输入是需要有一张源照片source image), 和多张参考照片reference images), 首先需要对这些照片做特征提取。关键是如何构建这个cost volume。首先需要设定一个深度范围然后将这个深度范围分成很多小份这样做可以构建出一个volume。然后将源图像的特征图通过相机的内外参将 它从相机坐标系投射至世界坐标系然后就可以在 volume 中找到一个对应的深度范围然后再将特征投射到reference image的特征图上假设深度值是完美的那么reference image 上的点所带有的特征应该是和原图像中被投射的点的特征是一样的。但是因为有误差所以会得出一个cost把所有reference照片的cost和在一起就变成了cost volume。为了能让每一张照片都平等的参与而不是让原照片做主导文中引入了一个variance metircs。 另外cost volume 正则 cost volume regularization就是使用一个U形结构来将重新处理cost volume。因为原生的cost volume 可能会出现光照偏差啊深度重合等噪音问题为了去除这些噪音所以选择了U形的结构来处理。这样可以保证之后深度输出的时候也不会输出过于异常值。
深度的预估
这里文章是使用的一个深度期望来表示的深度概率然而不是简单的使用概率最大的深度作为点的深度。 除此之外文中还结合了 reference 照片去优化depth map 目的是解决因为大感受野和正则出现的结果过于平滑的问题。 最好将initial 和 refined 的depth 都和GT比较做loss。
