Point-MVSNet：基于多視角的點(diǎn)云重建網(wǎng)絡(luò)

Point-MVSNet的大致流程如下：1）首先生成一個(gè)粗略的深度圖（通過(guò)MVSNet，這是另一篇文章提出的網(wǎng)絡(luò)結(jié)構(gòu)，不過(guò)它是通過(guò)cost volume的方式進(jìn)行重建的）。2）然后把深度圖轉(zhuǎn)換為點(diǎn)云，再通過(guò)事先生成的深度圖與ground truth之間的差值，通過(guò)迭代的方式進(jìn)一步優(yōu)化點(diǎn)云。Point-MVSNet的亮點(diǎn)為，該網(wǎng)絡(luò)把3D幾何先驗(yàn)知識(shí)和2D紋理信息融合到一個(gè)叫做特征增強(qiáng)點(diǎn)云中（feature-augmented point cloud），然后在為每一個(gè)點(diǎn)估計(jì)它的3D flow（什么是3D flow，難道是一個(gè)點(diǎn)的3D屬性的抽象表示？？？）

粗略深度圖預(yù)測(cè)論文采用MVSNet模型來(lái)生成一個(gè)粗略的深度圖。通過(guò)給予MVSNet圖片和相關(guān)的相機(jī)參數(shù)，MVSNet生成一個(gè)3D cost volume（代價(jià)塊），所謂代價(jià)塊，是指每一個(gè)像素其實(shí)都有一個(gè)代價(jià)值，這個(gè)代價(jià)是通過(guò)代價(jià)聚合（cost aggregation）的方式計(jì)算來(lái)的，假想此處有一個(gè)WxHxD的三維矩陣，W和H分別是圖像的寬高，D是深度范圍（一般這個(gè)D都是在實(shí)驗(yàn)中，假定的一個(gè)范圍比如5-10之類(lèi)的），這個(gè)三維矩陣的每一個(gè)值都是一個(gè)像素點(diǎn)在不同深度值下的代價(jià)，如果說(shuō)某一個(gè)像素點(diǎn)在的深度值下，它的代價(jià)最小，那么就取作為該像素點(diǎn)的深度值，每一個(gè)像素點(diǎn)的深度值確定了之后，這張圖片的深度圖也就確定了。2D-3D特征融合在網(wǎng)絡(luò)里面使用的點(diǎn)特征是由從多尺度條件下提取出來(lái)的圖像2D特征和歸一化的3D坐標(biāo)組成的，這就是所謂的2D-3D特征融合。這里的2D特征就是通過(guò)卷積網(wǎng)絡(luò)金字塔結(jié)構(gòu)，提取出多尺度的圖像特征，賦予每個(gè)點(diǎn)更大的感受野和上下文信息，一張圖?=[??1,??2,??3] ，這些不同尺度下的特征圖是需要融合在一起，再去和坐標(biāo)信息融合的。而且這里還不止一張圖片，是不同角度的多張圖片，每一張圖片還提取出了多尺度的特征圖，融合不同角度的圖像特征使，需要用到不同角度的相機(jī)參數(shù)，這樣才能把特征圖wrap到一個(gè)統(tǒng)一的方向（就是一些旋轉(zhuǎn)矩陣和平移向量組成的相機(jī)外參以及相機(jī)內(nèi)參，再和特征圖做矩陣乘法）。多張圖片在同一個(gè)尺度下的特征融合公式如下：

文中提到的動(dòng)態(tài)特征提取的意思就是，得出來(lái)的Cp輸入到point flow中，得到深度殘差，然后這個(gè)深度殘差往回輸入到點(diǎn)云中，進(jìn)一步更新點(diǎn)云的位置，然后再通過(guò)更新后的點(diǎn)云輸入到point flow得到深度殘差。這個(gè)過(guò)程文中迭代了兩次。

PointFlow是論文中的核心模塊，工作內(nèi)容為為unprojected point點(diǎn)（通過(guò)深度圖外加相機(jī)參數(shù)，通過(guò)非映射的方式生成的點(diǎn)）生成一系列假設(shè)點(diǎn)，利用這些點(diǎn)構(gòu)造出一個(gè)有向圖，在進(jìn)行邊卷積進(jìn)一步提取鄰域特征。然后經(jīng)過(guò)MLP判斷unprojected point的偏移位置，偏移向量由各假設(shè)點(diǎn)帶權(quán)平均得到。

假設(shè)點(diǎn)的生成（Point Hypothesis Generation）

對(duì)每一個(gè)unprojected point都會(huì)沿著參考相機(jī)的方向生成一系列不同偏移的點(diǎn)（就是在投影出來(lái)的點(diǎn)的前前后后生成一些點(diǎn)）。公式如下：

? t代表參考相機(jī)的方向，s代表偏移距離。最后會(huì)有2m+1個(gè)假設(shè)點(diǎn)。

邊卷積（Edge Convolution）

如上圖所示，論文通過(guò)KNN的方法生成一個(gè)有向圖。邊卷積可以先簡(jiǎn)單理解為提取出邊的特征（后面研究DGCNN的時(shí)候再做詳細(xì)記錄）。

如上圖所示，邊卷積過(guò)后的點(diǎn)云跳連接到一起。

Flow Prediction

如上圖所示，Point Flow輸入增強(qiáng)點(diǎn)云，輸出深度殘差圖。內(nèi)部使用了三個(gè)EdgeConv層來(lái)聚合不用尺度下的點(diǎn)特征（特征金字塔剛好也是3層），再通過(guò)快連接把EdgeConv的結(jié)果組合成一個(gè)局部點(diǎn)特征。最后通過(guò)MLP來(lái)轉(zhuǎn)換點(diǎn)特征，輸出每一個(gè)unprojected point在假設(shè)點(diǎn)上的概率值，最終的unprojected point的偏移是由每一個(gè)假設(shè)點(diǎn)帶權(quán)平均得到的。

Training loss

損失函數(shù)的公式如下所示： ? 代表迭代次數(shù)