多视图立体视觉(MVS)一直是计算机视觉研究的一个热点。它的目的是从多个已知相机姿态的图像中建立密集的对应关系，从而产生稠密的三维点云重建结果。在过去的几年里，人们在提高稠密三维重建的质量上付出了很大的努力，一些算法如PMVS、GIPUMA以及COLMAP等取得了令人印象深刻的效果。

然而，在三维重建任务中，由于数据量大、弱纹理、遮挡、反射等问题，如何高效准确地实现多视图立体视觉仍然是一个具有挑战性的问题。

为了进一步提升三维重建的性能，来自华中科技大学的研究人员提出了多尺度几何一致性引导的MVS方法ACMH、ACMM和基于平面先验的MVS方法ACMP，能够有效地恢复弱纹理区域的深度信息，从而获得高完整性的三维模型。

参考文献： 1. Qingshan Xu, Wenbing Tao, Multi-Scale Geometric Consistency Guided Multi-View Stereo, In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, June 16-20，2019，Long Beach, CA, USA. 2. Qingshan Xu, Wenbing Tao, Planar Prior Assisted PatchMatch Multi-View Stereo, AAAI Conference on Artificial Intelligence (AAAI), Feb. 07-14, 2020, New York, USA.

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