来源：期刊VIP网 时间：
作者：胡竞予;张斌;
单位：桂林电子科技大学电子工程与自动化学院;
摘要：针对当前多视角立体视觉方法在低纹理、重复纹理等复杂区域上的重建完整度低的问题，提出一种基于路径聚合网络的多视角立体视觉方法 PathMVSNet。PathMVSNet在常规的特征金字塔网络后增加一条自底向上的路径聚合结构，强化底层定位特征在网络中的传递，并将多尺度特征图经过可变形卷积层和卷积注意力机制模块增强特征；采用级联的代价体构建方式，由粗到细的进行深度预测；多视角特征体通过可学习的自适应权重网络对特征体进行加权聚合得到代价体。PathMVSNet在DTU数据集上进行训练和评估，与CasMVSNet进行比较实验，在平均完整度误差（Comp）、平均准确度误差（Acc）、平均整体性误差（Overall）上分别降低了9.3%、7.9%、8.6%。通过消融实验证明，PathMVSNet可以有效提升重建模型的完整度和整体质量。
关键词：三维重建;;多视角立体;;深度学习;;路径聚合网络;;深度预测;;代价体构建
基金资助：国家自然科学基金项目（62361013）;; 广西科技重大专项（桂科AA23023017）
