用于高分辨率多视图立体深度推断循环MVet.pdfVIP

table{border‑collapse:collapse;}table,th,td{border:1pxsolid#000;}

用于高分辨率多视图立体深度推断的

循环MVSNet1∗

1112†全龙1科技

大学

{yyaoag,zluoag,slibc,tshenaa,quan}@cse.ust.hk

2竹客创新科技（Altizure）

fangtian@

在多视图立体（MVS）方面展示了其出色的性能。然而，当前学习的

MVS方法的主要限制之一是可扩展性：内存消耗的成本体积正则化使得学习的MVS难以

应用于高分辨率场景。在本文中，我们介绍了一种基于递归神经网络的可扩展多视图立体

框架。与正则化整个3D成本体积不同，所递归多视图立体网络（

R‑MVSNet）通过门控循环单元（GRU）沿深度方向依次正则化2D成本图。这显著减少

了内存消耗，并使高分辨率重建成为可能。我们首先展示了所R‑MVSNet在的

MVS基准测试中的最先进性能。然后，我们在几个大规模场景中进一步展示了该方法的可

扩展性，在这些场景中，由于内存限制，以