استخراج الأولويات الهرمية للرؤية المتعددة غير المحلية الثلاثية الأبعاد

كمشكلة أساسية في الرؤية الحاسوبية، يهدف الاستereo المتعدد المقاطع (MVS) إلى استعادة البنية ثلاثية الأبعاد للهدف من مجموعة من الصور ثنائية الأبعاد. أظهرت التطورات الحديثة في MVS أن من المهم استيعاب المعلومات الهيكلية غير المحلية لاستعادة البنية في المناطق ذات النسيج المنخفض. في هذا العمل، نقترح منهجية تُسمى استخلاص الأولويات الهرمية للـ MVS غير المحلي (HPM-MVS). وتتميز هذه الطريقة بالتقنيات التالية التي تستفيد من المعلومات غير المحلية لدعم عملية MVS: 1) نمط عينة قابل للتوسع غير المحلي (NESP)، الذي يتمكن من تعديل حجم المناطق المُستخرَجة تلقائيًا دون الوقوع في حلول محلية غير مثلى. 2) منهجية جديدة للاستفادة من النقاط الموثوقة غير المحلية وبناء نموذج أولي مستوي بناءً على أقرب جيران (KNN)، بهدف الحصول على افتراضات محتملة للمناطق التي يصعب فيها بناء النماذج الأولية. 3) إطار عمل استخلاص الأولويات الهرمية (HPM)، الذي يُستخدم لاستخراج معلومات أولية غير محلية واسعة النطاق على مقياسين مختلفين لدعم استعادة النموذج ثلاثي الأبعاد، حيث يمكن لهذا النهج تحقيق توازن ملحوظ بين استعادة التفاصيل وتحسين الأداء في المناطق ذات النسيج المنخفض. وقد أكدت النتائج التجريبية على مجموعتي بيانات ETH3D وTanks & Temples الأداء المتفوق وقدرة التعميم القوية لمنهجناء. وسيتم إصدار الكود المصدري لعملنا قريبًا.