融合注意力机制和多层动态形变卷积的多视图立体视觉重建方法

作     者：孙凯 张成 詹天 苏迪 SUN Kai;ZHANG Cheng;ZHAN Tian;SU Di

作者机构：北京理工大学宇航学院飞行器动力学与控制教育部重点实验室北京100081 杭州极弱磁场国家重大科技基础设施研究院浙江杭州310051 

出 版 物：《兵工学报》 (Acta Armamentarii)

年 卷 期：2024年第45卷第10期

页      面：3631-3641页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主　　题：多视图立体视觉 注意力机制 动态形变卷积 深度学习 

摘      要：针对现有多视图立体视觉(Multi-View Stereo,MVS)技术提取弱纹理区域和非郎伯体曲面特征信息不充分及重建效果不理想问题,提出一种融合注意力机制和多层动态形变卷积的AMDC-PatchmatchNet方法。构建一种融合坐标注意力的特征提取网络,能更准确地捕捉重建对象的边缘形状和纹理特征,同时融合一种基于动态形变卷积的自适应感受野模块,根据不同尺度的特征自适应调整感受野的大小和形状,获得兼具全局和细节的特征表示。在DTU数据集上的测试结果表明,所提方法相较于主流MVS方法,点云重建整体性指标提高2.8%,并且在航空影像数据集上验证了模型的泛化能力。