摘要
本文提出了一种高效的多尺度几何一致性引导的多视图立体方法，用于准确且完整的深度图估计。我们首先介绍了基于自适应棋盘采样和多假设联合视图选择（ACMH）的基本多视图立体方法。该方法利用结构化区域信息来更好地采样候选假设以进行传播，并在每个像素处推断聚合视图子集。为了提高低纹理区域的深度估计精度，我们进一步提出了将ACMH与多尺度几何一致性引导（ACMM）相结合的方法，以在较粗的尺度上获得可靠的深度估计，并保证这些估计可以传播到更细的尺度。为纠正从较粗尺度传播而来的错误估计，我们提出了一种新颖的细节恢复器。大量数据集上的实验表明，我们的方法达到了最先进的性能，在低纹理区域和细节方面均能恢复深度估计。