得益于增强现实、虚拟现实及自动驾驶等领域的蓬勃发展，从视图中重建物体的三维模型成为计算机视觉研究热点。
利用多幅图像、多视角立体匹配的多视图（MVS，multi-view-stereo）三维重建是该领域的重要方法，且具有成本低廉和方法灵活等优点。然而，大多数传统算法无法“扩展”视图中所包含的深度信息及空间信息，因此存在效率和准确度难题。

论文链接：https://arxiv.org/abs/2203.12082

近日，宾夕法尼亚州立大学和OPPO研究院的研究员们针对多视图三维重建所面临的技术难点，提出了一种基于深度学习的多视图平面三维重建技术：PlaneMVS，能够生成平滑的深度图，准确解析平面结构，捕获物体全局信息。实验表明，该方法不仅优于目前主流的单视图重建架构，而且在众多基于学习的MVS方法中脱颖而出。目前，该论文已被CVPR 2022收录。

内容中包含的图片若涉及版权问题，请及时与我们联系删除