초록
학습 기반 다중 시점 스테레오(MVS) 방법론은 유망한 결과를 보여주었습니다. 그러나 대부분의 기존 네트워크는 픽셀 단위 가시성을 명시적으로 고려하지 않아, 가리개된 픽셀로부터 비용 집계에 오류가 발생합니다. 본 논문에서는 MVS 네트워크에서 매칭 불확실성 추정을 통해 픽셀 단위 가리개 정보를 명시적으로 추론하고 통합하는 방법을 제안합니다. 쌍별 깊이 맵과 함께 쌍별 불확실성 맵을 공동으로 추론하여, 다중 시점 비용 볼륨 융합 과정에서 가중치 지침으로 활용됩니다. 이로 인해 가리개된 픽셀의 비용 융합에서 부정적인 영향이 억제됩니다. 제안된 프레임워크 Vis-MVSNet은 심각한 가리개 현상이 있는 장면에서 깊이 정확도를 크게 향상시키는 것으로 나타났습니다. DTU, BlendedMVS, 그리고 Tanks and Temples 데이터셋을 사용하여 광범위한 실험을 수행하여 제안된 프레임워크의 효과성을 검증하였습니다.