我觉得你的思考都很准确,本质上就是mvs和nerf的区别(mvsnet还是在mvs框架下),从宏观来看mvs是完全可泛化的算法,这是因为它基于特征匹配;而nerf主要是通过过拟合一个场景的全部视角图片。 关于问题: ● NeRF的变种NeuS系列可以重建出非常不错的mesh,改进算法的效果也让我很惊艳,对于小场景比如DTU这种NeuS的强过拟合...
MVSNet系列主要是通过深度学习pipeline得到深度图进行融合,目的是得到高精度的点云。 Nerf系列是得到一个“输入特定视角->输出对应渲染图像”的隐式三维模型,导致单个模型训练后缺乏泛化性能。 问题: NeRF系列似乎也有更进一步的重建出点云和mesh的工作,以及在泛化性上做增强的工作,相比MVSNet系列的精度哪个更好? Nerf系...
我觉得你的思考都很准确,本质上就是mvs和nerf的区别(mvsnet还是在mvs框架下),从宏观来看mvs是完全可泛化的算法,这是因为它基于特征匹配;而nerf主要是通过过拟合一个场景的全部视角图片。 关于问题: ● NeRF的变种NeuS系列可以重建出非常不错的mesh,改进算法的效果也让我很惊艳,对于小场景比如DTU这种NeuS的强过拟合...