如何将深度学习应用于三维重建？

点击上方“计算机视觉life”，选择“星标”

快速获得最新干货

本文目录

1. 传统三维重建和深度学习三维重建有何不同呢？

2. 应用背景介绍

3. MVS网络演化图及课程大纲

4. 该课程适合谁？

5. 课程运行环境及学习要求基础

6. 为什么学习该课程？学完课程你会收获什么？

7. 上课说明

传统三维重建和深度学习三维重建有何不同呢？

传统的三维重建像是个硬汉，死磕多视图几何、稠密重建，曲面重建，点云融合，纹理贴图；

深度学习像是如水的女子，尽览形形色色的数据集，虽看不透她的心，但又离不开她；

那么，当深度学习爱上三维重建，会擦出怎样的火花呢？

传统三维重建和深度学习三维重建有何不同呢？请看下面视频

应用背景介绍

三维重建技术是计算机视觉领域几十年来广泛研究的核心问题之一，其应用前景越来越广泛，比如增强现实（AR）、混合现实（MR）、自动驾驶、机器人领域、大型地图构建、文物保护、3D打印等。

自动驾驶中用于高精地图

传统的重建方法是使用光度一致性等来计算稠密的三维信息。虽然这些方法在理想的Lambertian场景下，精度已经很高。但也有一些常见的局限性，例如弱纹理，高反光和重复纹理等，使得重建困难或重建的结果不完整。因此，传统三维重建方法在重建的完整性等方面仍有很大的改进空间。

近年来深度学习在三维重建上取得了很大的成功。基于学习的方法可以引入比如镜面先验和反射先验等全局语义信息，使匹配更加鲁棒，从而解决传统方法无法克服的难题。因此掌握基于深度学习的三维重建前沿算法非常重要。另外，在这个大数据时代，深度学习已经是大家必须掌握的技能，传统视觉算法已经很难有新的突破，各个领域都在朝深度学习方向研究，近几年各大视觉会议论文都是基于深度学习来实现三维重建，各个大厂招聘也越来越看重深度学习三维重建方法。