大尺度多视立体深度估计网络S-MVSNet

针对现有估计网络空间复杂度高、难以处理高分辨率影像的问题，提出了一种大尺度多视立体深度估计网络（scalable multi-view stereo network,S-MVSNet）。以R-MVSNet为基础，提出一种轻量级的多尺度特征提取网络MiniUNet来降低空间复杂度；结合多尺度循环神经网络（multi-scale recurrent neural network,MS-RNN）来提升正则化网络的感受野；设计半全局正则化（semi-global regularization,SGR）方法将3D正则化问题转化为两个方向上的2D序列正则化问题，以提升深度估计的精度。在DTU、ETH3D及Tanks and Temples数据集上进行测试，测试结果表明，S-MVSNet能在8 GB显存下处理2K影像，支持的最大输入分辨率是RMVSNet的2.25倍，平均精度较R-MVSNet提升11%。