作为计算机视觉领域的一项经典研究任务，基于图像的多视角三维重建（Multi-View Stereo MVS）旨在通过利用多张二维图像来重建物体或场景的三维信息。这一任务在自动驾驶、虚拟现实、深空探测等领域都具有重要的应用。目前主流的基于学习的方法使用了三维卷积，导致计算量过大，显存消耗较大。基于循环神经网络的方法减小了显存消耗，但代价是牺牲大量的运行时间。在实际应用中，计算资源消耗和算法性能同样重要。针对上述问题，王崎团队提出了一种基于多尺度迭代概率估计器和深度细化的多视角立体匹配方法Miper-MVS，可以完成高效率，低显存，高重建性能，强泛化性的多视图三维重建任务，在Neural Networks发表论文“Miper-MVS: Multi-scale iterative probability estimation with refinement for efficient multi-view stereo”，研究生周辉舟为第一作者，导师王崎为通讯作者。

原文链接：https://doi.org/10.1016/j.neunet.2023.03.012