论文阅读_D2HC-MVSNet
D²HC-RMVSNet（Dense Hybrid Recurrent Multi-view Stereo Net with Dynamic Consistency Checking无聊） 基本信息 项目 内容 论文标题 Dense Hybrid Recurrent Multi-view Stereo Net with Dynamic Consistency Checking 作者 Jianfeng Yan, Zizhuang Wei, Hongwei Yi, Mingyu Ding, Runze Zhang, Yisong Chen, Guoping Wang, Yu-Wing Tai 作者单位 Peking University 时间 2020 发表会议/期刊 ECCV 方法概览 特点 文章性质 输入 多视角 输出 参考视角深度图 所属领域 MVS 1. 摘要精简 提出一种高效精准的密集混合循环多视图立体匹配网络 D²HC-RMVSNet，用于密集点云重建。核心包含两大模块：1）轻量级 ...
论文阅读_DIB-R++
DIB-R++ 基本信息 项目 内容 论文标题 DIB-R++: Learning to Predict Lighting and Material with a Hybrid Differentiable Renderer 作者 Wenzheng Chen, Joey Litalien, Jun Gao, Zian Wang, Clement Fuji Tsang, Sameh Khamis, Or Litany, Sanja Fidler 作者单位 NVIDIA 时间 2021 发表会议/期刊 方法概览 特点 文章性质 输入 单张RGB图像 输出 三维网格（Mesh）以及材质参数（漫反射反照率、粗糙度、镜面反照率等）和光照参数（环境光照图或球面高斯系数） 所属领域 单视图三维重建（无监督） 一、摘要精简 DIB-R++ ...
论文阅读_DMTET
DMTET 基本信息 项目 内容 论文标题 Deep Marching Tetrahedra: a Hybrid Representation for High-Resolution 3D Shape Synthesis 作者 Tianchang Shen, Jun Gao, Kangxue Yin, Ming-Yu Liu, Sanja Fidler 作者单位 NVIDIA 时间 2021 发表会议/期刊 NeurIPS 2021 方法概览 特点 文章性质 输入 多模态输入，包括粗体素（16³ 分辨率）、带噪声的点云（5000 个点，高斯噪声 σ=0.005） 输出 核心输出为高分辨率 Triangle Mesh（支持任意拓扑），无 SDF 直接输出，SDF 仅作为中间表示 所属领域 兼具3D 生成与重建（核心为从粗体素生成高分辨率形状，支持带噪声点云重建） 一、摘要精简 DMTet...
论文阅读_DVPMVSNet
DVP-MVSNet 基本信息 项目 内容 论文标题 Synergize Depth-Edge and Visibility Prior for Multi-View Stereo 作者 Zhenlong Yuan, Jinguo Luo, Fei Shen, Zhaoxin Li, Cong Liu, Tianlu Mao*, Zhaoqi Wang 作者单位 中国科学院计算技术研究所（Institute of Computing Technology, Chinese Academy of Sciences） 时间 2025 发表会议/期刊 AAAI 方法概览 特点 文章性质 输入 标定之后的多视角图像 输出 场景的点云图，每个视角的法线和深度图 所属领域 MVS DVP-MVS 论文笔记 基本信息 方法名称：DVP-MVS 作者：Zhenlong Yuan, Jinguo Luo, Fei Shen, Zhaoxin Li, Cong Liu, Tianlu Mao, Zhaoqi...
论文阅读_DeMapGS
DeMapGS 论文阅读笔记 基本信息 项目 内容 论文标题 DeMapGS (Simultaneous Mesh Deformation and Surface Attribute Mapping via Gaussian Splatting) 作者 Shuyi Zhou, Shengze Zhong, Kenshi Takayama, Takafumi Taketomi, Takeshi Oishi 作者单位 The University of Tokyo (东京大学) 时间 2023（根据引用和内容推断） 发表会议/期刊 暂未明确标注，应属预印本或待发表论文 方法概览 特点 文章性质 输入 多视角图像 以及一个初始的模板网格。 输出 一个可变形、带纹理贴图（漫反射、法线、位移贴图）的三角网格（Mesh），并能提取出相应的高斯溅射（Gaussian Splatting）表示。 所属领域 三维重建 1....
论文阅读_DeepMesh
DeepMesh（Auto-Regressive Artist-mesh Creation with Reinforcement Learning） 基本信息 项目 内容 论文标题 DeepMesh（Auto-Regressive Artist-mesh Creation with Reinforcement Learning） 作者 Ruowen Zhao*, Junliang Ye*, Zhengyi Wang*, Guangce Liu, Yiwen Chen, Yikai Wang, Jun Zhu†（* 共同一作，†通讯作者） 作者单位 Tsinghua University（清华大学）、ShengShu 时间 2025 发表会议/期刊 方法概览 特点 文章性质 输入 多模态输入，包括点云、图像（图像需先通过 TRELLIS 生成 3D 模型并采样点云） 输出 高质量艺术家风格 Triangle Mesh（三角形网格），支持最高 30k 面数，无贴图材质，专注几何拓扑优化 所属领域 三维生成 (3D...
论文阅读_DeepSDF
DeepSDF: Learning Continuous Signed Distance Functions for Shape Representation 基本信息 项目 内容 论文标题 DeepSDF: Learning Continuous Signed Distance Functions for Shape Representation 作者 Jeong Joon Park, Peter Florence, Julian Straub, Richard Newcombe, Steven Lovegrove 作者单位 University of Washington 时间 2019 发表会议/期刊 方法概览 特点 文章性质 输入 3D坐标点 + 潜在编码（latent code），或部分/噪声的3D观测（如深度图、点云） 输出 连续有符号距离函数（SDF），可通过提取零等值面转换为Mesh 所属领域 三维形状生成与重建 一、摘要精简 DeepSDF...
论文阅读_DiffMVS
基本信息 项目 内容 论文标题 Lightweight and Accurate Multi-View Stereo with Confidence-Aware Diffusion Model 作者 Fangjinhua Wang（patchmatchNet作者，IterMVS）, Qingshan Xu（ACMH作者）, Yew-Soon Ong 作者单位 ETH 时间 20250906 发表会议/期刊 TiPami 方法概览 特点 文章性质 输入 标定之后的多视角图像 输出 场景的点云图 所属领域 MVS 背景 创新点 首个将Diffusion引入到MVS的工作 网络架构 构建一个图像集 。（与视觉 SLAM 中常见的做法类似）我们将一张图像设为关键帧，当其与上一帧关键帧之间的视差（我们使用 Lucas-Kanade...
论文阅读_DreamFusion
DreamFusion: Text-to-3D using 2D Diffusion 基本信息 项目 内容 论文标题 DreamFusion: Text-to-3D using 2D Diffusion 作者 Ben Poole, Ajay Jain, Jonathan T. Barron, Ben Mildenhall 作者单位 Google Research, UC Berkeley 时间 2022 发表会议/期刊 arXiv (后发表于 ICLR 2023) 方法概览 特点 文章性质 输入 文本描述（自然语言提示词） 输出 三维神经辐射场（NeRF），可渲染为任意视角、任意光照下的图像，或导出为网格 所属领域 文本生成三维（Text-to-3D）、神经渲染、扩散模型 1....
论文阅读_ECMVSNet
基本信息 项目 内容 论文标题 EC-MVSNet: Enhanced Cascaded Multi-View Stereo with Cross-Scale Relevance Integration 作者 wangshaoqian 作者单位 时间 2025 发表会议/期刊 AAAI 方法概览 特点 文章性质 输入 标定之后的多视角图像 输出 场景的点云图 所属领域 MVS 背景 创新点 利用小尺度信息在构建代价体的时候构造一个patch一样 网络架构 摘要 基于级联的多尺度多视图立体（MVS）架构是目前多视图立体重建的主流，实现了计算效率和重建精度之间的平衡。然而，现有的级联 MVS 方法在跨尺度信息利用方面存在重大局限性，其中深度估计过程跨尺度独立运行，而没有充分利用相邻尺度之间的丰富相关性。为了解决这一基本限制，我们提出了增强级联多视图立体框架（ECMVSNet），该框架引入了一种新颖的跨尺度相关性集成策略。 我们的框架包含三个关键组件： 一个跨尺度基于特征的联合构建...