文件名称：CasMVSNet_pl:使用pytorch-lightning进行高分辨率多视图立体声和立体声匹配的级联成本量
文件大小：29.1MB
文件格式：ZIP
更新时间：2024-05-27 23:58:07
pytorch multi-view-stereo 3d-reconstruction depth-prediction pytorch-lightning
CasMVSNet_pl 使用非正式实现 官方实施： 参考MVSNet实现： 更新 在。 它获得的结果几乎与原始的基于方差的成本量相同，但参数较少且消耗的内存较少，因此强烈建议使用（相反，该论文中的反深度采样在我的实验中没有影响，也许是因为DTU是室内数据集，而反深度可以更好地改善室外数据集）。 要激活， --num_groups 8在训练中设置--num_groups 8 。 2020/03/06：添加“！ 2020/03/07：添加！ 2020/03/31：添加！ 2020/04/30：将点云添加到网格！ 安装 硬件 操作系统：Ubuntu 16.04 or 18.04 CUDA> = 10.0的NVIDIA GPU（使用1个RTX 2080Ti测试） 软件 Python> = 3.6.1（建议通过anaconda安装，请使用conda create -n casm
【文件预览】：
CasMVSNet_pl-master
----.gitignore(2KB)
----visualize_ply.py(2KB)
----requirements.txt(167B)
----datasets()
--------blendedmvs.py(8KB)
--------dtu.py(8KB)
--------__init__.py(225B)
--------tanks.py(7KB)
--------utils.py(2KB)
--------lists()
----opt.py(4KB)
----eval.py(16KB)
----assets()
--------pmvsnet.png(969KB)
--------log2.png(167KB)
--------5b558a928bbfb62204e77ba2.png(1.91MB)
--------rmvsnet.png(1.24MB)
--------train.gif(4.36MB)
--------demo.gif(10.98MB)
--------57f8d9bbe73f6760f10e916a.png(2.21MB)
--------5a618c72784780334bc1972d.png(1.97MB)
--------train.png(1.82MB)
--------gt.png(1.18MB)
--------cascade.png(1.07MB)
--------log1.png(191KB)
--------demo.png(988KB)
----models()
--------__init__.py(0B)
--------mvsnet.py(10KB)
--------modules.py(4KB)
----LICENSE(34KB)
----utils()
--------visualization.py(776B)
--------__init__.py(3KB)
--------optimizers.py(17KB)
--------warmup_scheduler.py(3KB)
----README.md(8KB)
----metrics.py(411B)
----test.ipynb(340KB)
----evaluations()
--------blendedmvs()
--------README.md(4KB)
--------tanks()
--------dtu()
----losses.py(588B)
----train.py(9KB)