ACMH is a simple yet effective PatchMatch MVS method, which is the base model of ACMM, ACMP and ACMMP. If you find this project useful for your research, please cite:

为了进一步提升三维重建的性能，来自华中科技大学的研究人员提出了多尺度几何一致性引导的MVS方法 ACMH 、 ACMM 和基于平面先验的MVS方法 ACMP，能够有效地恢复弱纹理区域的深度信息，从而获得高完整性的三维模型。 算法在公开的三维重建评测数据集 ETH 3D 和Intel Tanks and Temples上获得优异的性能，在公开发表的论文中评估结果领先于同类方法。 目前，多视图立体视觉一般采用两个步骤重建场景的稠密三维模型。 首先为每幅图像估计其深度图，然后将 …

基于ACMH算法框架，提出了多尺度几何一致性引导的MVS算法框架ACMM。 通过构造图像金字塔，在不同尺度上捕获歧义性区域的显著性信息，并通过多视图的几何一致性来优化传递该信息。

ACMH is a simple yet effective PatchMatch MVS method, which is the base model of ACMM, ACMP and ACMMP. If you find this project useful for your research, please cite:

2020年3月5日 · 在对低尺度的估计上采样后，先重新计算一遍光照一致性代价，然后用ACMH得到新的光照一致性代价，比较两个代价，对于差值大于阈值的点，使用新的代价对应的估计参数替换原估计参数。

2023年8月15日 · ACMMP可以被视为是在有了点云后对其进行更稠密计算的优化算法，200张图片的运算速度，在dense基础上，10多分钟出结果； ACMMP是之前研究的ACMH、ACMM、ACMP算法和框架的堆叠； ACMH是ACMMP的基础，ACMH是构成ACMMP算法的单元； ACMH是对PatchMatch和Gipuma的发扬和继承；

2022年1月10日 · 为了进一步提升三维重建的性能，来自华中科技大学的研究人员提出了多尺度几何一致性引导的MVS方法ACMH、ACMM和基于平面先验的MVS方法ACMP，能够有效地恢复弱纹理区域的深度信息，从而获得高完整性的三维模型。 算法在公开的三维重建评测数据集ETH 3D和Intel Tanks and Temples上获得优异的性能，在公开发表的论文中评估结果领先于同类方法。 目前，多视图立体视觉一般采用两个步骤重建场景的稠密三维模型。 首先为每幅图像估计其深度 …

為了進一步提升三維重建的性能，來自華中科技大學的研究人員提出了多尺度幾何一致性引導的MVS方法ACMH、ACMM和基於平面先驗的MVS方法ACMP，能夠有效地恢復弱紋理區域的深度信息，從而獲得高完整性的三維模型。

2020年12月16日 · 为了进一步提升三维重建的 性能，来自华中科技大学的研究人员提出了多尺度几何一致性引导的MVS方法ACMH、ACMM和基于平面先验的MVS方法ACMP，能够有效地恢复弱纹理区域的深度信息，从而获得高完整性的三维模型。 算法在公开的三维重建评测数据集ETH 3D和Intel Tanks and Temples上获得优异的性能，在公开发表的论文中评估结果领先于同类方法。 背景. 目前，多视图立体视觉一般采用两个步骤重建场景的稠密三维模型。 首先为每幅图像估 …

对论文《Multi-Scale Geometric Consistency Guided Multi-View Stereo》的复现. 在CVPR2019上看到了这篇文章，感觉对自己很有启发，因此想要看看源码。 但无奈作者并未开源，只能自己动手实现一下。 最最重要的：我只是个刚入坑的菜鸡，要是有大佬看到了这个，一定给我提提建议啊！