マルチビュー立体再構成（Multi-view stereo Reconstruction、MVS Reconstruction）の目的は、既知のカメラパラメータを持つ複数視点画像のセットに基づいてシーンの3次元モデルを再構築することであり、近年の3D再構成の主流な手法のひとつです。本論文では、最新の深層学習に基づく約100のMVS手法に対して比較的体系的なアルゴリズム評価を行いました。まず、既存の教師ありMVS手法について、特徴抽出、コストボリューム構築、コストボリューム正則化、深度回帰の再構成プロセスに沿って各アルゴリズムを整理し、特にコストボリューム構築と正則化の二段階の改善戦略を総括しました。教師なしMVS手法については、主に各アルゴリズムの損失項の設計を分析し、訓練方式に基づいて分類しました。次に、MVS手法で一般的に使用される実験データセットとそれに対応する性能評価指標をまとめ、特徴ピラミッド構造、注意機構、粗から精への戦略導入がMVSネットワークの性能に与える影響をさらに研究しました。さらに、デジタルツイン、自動運転、ロボット技術、遺産保護、生物科学などのMVS手法の具体的な応用場面を紹介しました。最後に、MVSの改善方向に関する提案を行い、多視点3D再構成の将来的な技術課題と研究方向について議論しました。

マルチビューステレオ; 3D再構成; 深層学習; 深度推定; ホモグラフィ変換