摘要
我们提出了一种全新的、大规模并行的高质量多视角匹配方法。本工作基于Patchmatch思想：从场景空间中随机生成的三维平面出发，通过迭代传播与优化，逐步寻找到最匹配的三维平面，从而为每一视角生成高精度的深度场与法向场，使得所有图像之间的鲁棒光度一致性度量达到最大化。我们的主要创新体现在两个方面：其一，将Patchmatch算法在场景空间中进行形式化建模，从而实现跨多视角的图像相似性聚合，显著提升了深度图的准确性；其二，设计了一种改进的、类扩散传播机制，该机制可实现大规模并行计算，仅需3秒即可在消费级GPU上完成对十张190万像素图像的密集多视角匹配。本方法采用斜置的支持窗口，避免了传统方法中存在的正对平面（fronto-parallel）偏差；整个算法完全局部化且高度并行，计算时间与图像尺寸呈线性关系，与并行线程数成反比。此外，其内存开销极低（每像素仅需存储四个数值，且与深度范围无关），因而具有极强的可扩展性，能够高效处理多张大尺寸图像，并在高深度分辨率下保持优异性能。在DTU和Middlebury多视角数据集以及倾斜航空影像上的实验结果表明，本方法在多种不同场景下均取得了极具竞争力的精度与完整性表现。