شبكة الاستريو متعددة الآراء مع الوعي بالرؤية

الطرق ثلاثية الأبعاد متعددة المناظر القائمة على التعلم (MVS) قد أظهرت نتائج واعدة. ومع ذلك، فإن شبكات قليلة جداً من الشبكات الموجودة تأخذ في الاعتبار بشكل صريح مرئية البكسل، مما يؤدي إلى تجميع تكلفة خاطئة من البكسلات المخفية. في هذا البحث، نستنتج وندمج معلومات الإخفاء البكسلية بشكل صريح في شبكة MVS عبر تقدير عدم اليقين في التوقيع. يتم استنتاج خريطة عدم اليقين الزوجي مع خريطة العمق الزوجي، والتي تُستخدم بدورها كإرشاد للوزن أثناء دمج حجم التكلفة متعدد المناظر. وبذلك، يتم كبح التأثير السلبي للبكسلات المخفية في عملية الدمج. يحسن الإطار المقترح Vis-MVSNet بشكل كبير دقة العمق في المشاهد ذات الإخفاء الشديد. تم إجراء تجارب واسعة النطاق على مجموعات بيانات DTU و BlendedMVS و Tanks and Temples لتأكيد فعالية الإطار المقترح.