GC-MVSNet: متعدد الآراء، متعدد المقاييس، متعدد الآراء ثلاثي الأبعاد المتسق هندسياً

تعتمد الطرق التقليدية للصورة ثلاثية الأبعاد متعددة الآراء (MVS) بشكل كبير على قيود التوافق الضوئي والهندسي، لكن الطرق الحديثة المستندة إلى تعلم الآلة في MVS تتحقق من التوافق الهندسي عبر العديد من الآراء المصدر كخطوة ما بعد المعالجة فقط. في هذا البحث، نقدم نهجًا جديدًا يشجع بوضوح على التوافق الهندسي لخرائط العمق الخاصة بالرأي المرجعي عبر العديد من الآراء المصدر وعلى مقياس مختلف أثناء التعلم (انظر الشكل 1). وقد وجدنا أن إضافة خسارة التوافق الهندسي هذه تسريع التعلم بشكل كبير من خلال معاقبة البكسلات غير المتوافقة هندسيًا بشكل صريح، مما يقلل من متطلبات دورات التدريب إلى أقل من النصف مقارنة بالطرق الأخرى في MVS. تظهر تجاربنا الواسعة أن نهجنا حقق أحدث مستوى عالمي على مجموعات بيانات DTU و BlendedMVS، ونتائج تنافسية على مقاييس Tanks and Temples. حسب علم us، GC-MVSNet هو أول محاولة لفرض توافق هندسي متعدد الآراء ومقياسه أثناء التعلم.请注意，最后一句中的 "حسب علم us" 应该改为 "حسب علمِنا" 更为准确和流畅：حسب علمِنا، GC-MVSNet هو أول محاولة لفرض توافق هندسي متعدد الآراء ومقياسه أثناء التعلم.