典型文献
基于多尺度特征递归卷积的稠密点云重建网络
文献摘要：
针对在三维重建任务中，由于弱纹理区域的光度一致性测量误差较大，使得传统的多视图立体算法难以处理的问题，提出了一种多尺度特征聚合的递归卷积网络(MARDC-MVSNet)，用于弱纹理区域的稠密点云重建。为了使输入图像分辨率更高，该方法使用一个轻量级的多尺度聚合模块自适应地提取图像特征，以解决弱纹理甚至无纹理区域的问题。在代价体正则化方面，采用具有递归结构的分层处理网络代替传统的三维卷积神经网络(CNN)，极大程度地降低了显存占用，同时实现高分辨率重建。在网络的末端添加一个深度残差网络模块，以原始图像为指导对正则化网络生成的初始深度图进行优化，使深度图表述更准确。实验结果表明，在 DTU 数据集上取得了优异的结果，该网络在拥有较高深度图估计精度的同时还节约了硬件资源，且能扩展到航拍影像的实际工程之中。
文献关键词：
深度学习;计算机视觉;遥感测绘;三维重建;多视图立体;递归神经网络
中图分类号：
作者姓名：
王江安;庞大为;黄乐;秦林珍
作者机构：
长安大学信息工程学院,陕西 西安 710064
文献出处：
引用格式：
[1]王江安;庞大为;黄乐;秦林珍-.基于多尺度特征递归卷积的稠密点云重建网络
)[J].图学学报,2022(05):875-883
A类：
MARDC
B类：
多尺度特征,递归卷积,稠密点云,点云重建,重建网络,三维重建,弱纹理区域,测量误差,多视图立体,特征聚合,卷积网络,MVSNet,图像分辨率,轻量级,图像特征,代价体正则化,递归结构,分层处理,三维卷积神经网络,显存,深度残差网络,残差网络模块,原始图像,深度图,图表,DTU,高深,估计精度,硬件资源,航拍影像,计算机视觉,遥感测绘,递归神经网络
AB值：
0.352366
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
