O objetivo da reconstrução estéreo multivista (Multi-view stereo Reconstruction, MVS Reconstruction) é reconstruir um modelo tridimensional da cena com base em um conjunto de imagens multivistas com parâmetros de câmera conhecidos, sendo um dos principais métodos de reconstrução 3D nos últimos anos. Este artigo realizou uma avaliação comparativa sistemática de quase cem métodos MVS modernos baseados em aprendizado profundo. Primeiro, para os métodos MVS supervisionados existentes, cada algoritmo foi organizado de acordo com o processo de reconstrução que inclui extração de características, construção do volume de custo, regularização do volume de custo e regressão profunda, com foco na síntese das estratégias de melhoria nas fases de construção e regularização do volume de custo; para os métodos MVS não supervisionados, foram analisados principalmente os projetos dos termos de perda de cada algoritmo e classificados conforme a forma de treinamento; em segundo lugar, foram resumidos os conjuntos de dados experimentais comumente usados e suas métricas de desempenho, bem como estudado o impacto da introdução da estrutura de pirâmide de características, mecanismos de atenção e estratégias do grosso ao refinado no desempenho das redes MVS; além disso, foram apresentados cenários específicos de aplicação dos métodos MVS, incluindo gêmeos digitais, condução autônoma, tecnologia robótica, proteção do patrimônio e ciências biológicas; finalmente, foram sugeridas recomendações para a melhoria dos métodos MVS e discutidos os desafios técnicos futuros e as direções de pesquisa na reconstrução 3D multivista.

estéreo multivista; reconstrução 3D; aprendizado profundo; estimativa de profundidade; transformação homográfica