论文阅读_MeshRCNN
MeshRCNN 基本信息 项目 内容 论文标题 Mesh R-CNN 作者 Georgia Gkioxari、Jitendra Malik、Justin Johnson 作者单位 Facebook AI Research (FAIR) 时间 2020 发表会议/期刊 方法概览 特点 文章性质 输入 标定之后的多视角图像 输出 Mesh 所属领域 MeshMVS Mesh R-CNN 论文总结 基本信息 方法名称：Mesh R-CNN 作者：Georgia Gkioxari, Jitendra Malik, Justin Johnson 第一单位：Facebook AI Research (FAIR) 发表年份：2019年（推测，文中未明确，引文最新至2019） 发表会议/期刊：应为CVPR或ICCV（文中未明确，但引用格式符合顶会风格） 摘要精简 本文提出 Mesh R-CNN 系统，将 2D 目标感知与 3D 形状预测相结合。该系统基于 Mask R-CNN 扩展，新增 mesh 预测分支，通过...
论文阅读_MonoMVSNet
MonoMVSNet 基本信息 项目 内容 论文标题 MonoMVSNet（Monocular Priors Guided Multi-View Stereo Network） 作者 Jianfei Jiang, Qiankun Liu*, Haochen Yu, Hongyuan Liu, Liyong Wang, Jiansheng Chen, Huimin Ma* 作者单位 University of Science and Technology Beijing, China北京科技大学 时间 2024 发表会议/期刊 ICCV 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 1. 摘要精简 MonoMVSNet...
论文阅读_NeuralRecon
NeuralRecon 基本信息 项目 内容 论文标题 NeuralRecon 作者 Jiaming Sun, Yiming Xie, Linghao Chen, Xiaowei Zhou, Hujun Bao 作者单位 浙江大学 时间 2021 发表会议/期刊 2021年，发表于CVPR (IEEE/CVF Conference on Computer Vision and Pattern Recognition) 方法概览 特点 文章性质 输入 标定之后的多视角图像 输出 Mesh 所属领域 MeshMVS 摘要精简 NeuralRecon是一个从单目视频进行实时、连贯3D场景重建的新框架。该方法摒弃传统 “逐帧估计深度图再融合” 的思路，直接通过神经网络增量重建局部片段的稀疏...
论文阅读_Neuralangelo
Neuralangelo 基本信息 项目 内容 论文标题 Neuralangelo 作者 Zhaoshuo Li、Thomas Müller、Alex Evans、Russell H. Taylor、Mathias Unberath、Ming-Yu Liu、Chen-Hsuan Lin 作者单位 NVIDIA Research（主导）、Johns Hopkins University 时间 2023 发表会议/期刊 方法概览 特点 文章性质 输入 标定之后的多视角图像 输出 Mesh 所属领域 MeshMVS 摘要精简 Neuralangelo 是一种用于高保真神经表面重建的方法。它结合了多分辨率3D哈希网格（Instant...
论文阅读_P-MVSNet
P-MVSNet 基本信息 项目 内容 论文标题 Learning Patch-Wise Matching Confidence Aggregation for Multi-View Stereo 作者 Keyang Luo、Tao Guan、Lili Ju、Haipeng Huang、Yawei Luo 作者单位 Huazhong University of Science and Technology（华中科技大学）、University of South Carolina（南卡罗来纳大学）、Farsee2 Technology Ltd（远鉴科技） 时间 2019 发表会议/期刊 IEEE International Conference on Computer Vision (ICCV) 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 将各向异性的平面扫描体积近似为各向同性代价体的缺陷，结合各向同性与各向异性 3D 卷积构建混合 3D...
论文阅读_PVA-MVSNet
PVA-MVSNet 基本信息 项目 内容 论文标题 Pyramid Multi-view Stereo Net with Self-adaptive View Aggregation 作者 Hongwei Yi, Zizhuang Wei, 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 分为单尺度的VA-MVSNet和多尺度的PVA-MVSNet 1. 摘要精简 提出一种高效的金字塔多视图立体匹配网络 PVA-MVSNet，通过自适应性视图聚合和多度量金字塔深度聚合提升重建精度与完整性。不同于现有方法采用均方差生成代价体，PVA-MVSNet 引入像素级和体素级两种自适应性视图聚合，在少量额外内存消耗下融合不同视图的代价方差；将 VA-MVSNet...
论文阅读_PatchMatchRL
基本信息 项目 内容 论文标题 PatchMatch-RL: Deep MVS with Pixelwise Depth, Normal, and Visibility 作者 Jae Yong Lee1 Joseph DeGol2 Chuhang Zou* 3 Derek Hoiem 作者单位 伊利诺伊大学厄巴纳-香槟分校University of Illinois at Urbana-Champaign Microsoft Amazon Go 时间 发表会议/期刊 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 背景 创新点 网络架构 摘要 最近基于学习的多视图立体（MVS）方法在密集相机和小深度范围内（其实他也找到了原因，因为必须相机多方面重叠才有好的结果）表现出优异的性能。然而，非基于学习的方法仍然在具有较大深度范围和较稀疏的宽基线视图的场景优于学习的方法，部分原因是它们对深度、法线和可见性的像素估计进行了...
论文阅读_PatchMVSNet
PatchMVSNet 基本信息 项目 内容 论文标题 PatchMVSNet 作者 Haonan Dong, Jian Yao 作者单位 武汉大学遥感信息工程学院 时间 2022 **发表会议/期刊 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 自监督MVS 1. 摘要精简 PatchMVSNet是一种无监督多视图立体匹配方法，旨在解决弱纹理表面重建中的匹配模糊问题。传统无监督方法依赖像素级光度一致性，易受光照和弱纹理影响。本文提出两种鲁棒损失函数： 块级光度一致性损失：扩大特征感受野，降低光照变化和弱纹理带来的匹配模糊； 鲁棒两视图几何一致性损失：引入最小遮挡的跨视图深度一致性检查。 该方法在DTU、Tanks and Temples和ETH3D等基准测试中达到先进水平，尤其在弱纹理场景下重建完整性显著提升。 PatchMVSNet 作为无监督（自监督）MVS 方法，核心逻辑是不依赖深度真值，而是通过多视图图像的几何约束、光度一致性、特征一致性构建监督信号，实现深度估计与 3D...
论文阅读_PatchmatchNet
PatchmatchNet (Learned Multi-View Patchmatch Stereo) 基本信息 项目 内容 论文标题 IterMVS: Iterative Probability Estimation for Efficient Multi-View Stereo 作者 Fangjinhua Wang(又是你), Silvano Galliani, Christoph Vogel, Pablo Speciale, Marc Pollefeys 作者单位 ETH Zurich (Department of Computer Science, 苏黎世联邦理工学院计算机科学系) 时间 2021 发表会议/期刊 CVPR 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 摘要 本文提出 PatchmatchNet，一种基于 Patchmatch 的可学习级联多视图立体（MVS）方法。该方法将传统 Patchmatch ...
论文阅读_Pixel2Mesh
Pixel2Mesh 基本信息 项目 内容 论文标题 Pixel2Mesh: Generating 3D Mesh Models from Single RGB Images 作者 Nanyang Wang、Yinda Zhang、Zhuwen Li、Yanwei Fu、Wei Liu、Yu-Gang Jiang（前三位为同等贡献作者，Yu-Gang Jiang 为通讯作者） 作者单位 Fudan University（复旦大学，Shanghai Key Lab of Intelligent Information Processing, School of Computer Science） 时间 2018 发表会议/期刊 方法概览 特点 文章性质 输入 标定之后的多视角图像 输出 Mesh 所属领域 MeshMVS 一、...