论文题目：BlendedMVS: A Large-scale Dataset for Generalized Multi-view Stereo Networks
数据集和预训练模型地址：在公众号「3D视觉工坊」，后台回复「BlendedMVS」，即可直接下载。
摘要：
尽管深度学习在多视图立体匹配领域取得了很大的进展，但是有限的训练数据使得训练模型很难泛化到看不见的场景。与其他的计算机视觉任务相比，制作大规模的MVS数据集是相对困难的，因为它需要昂贵的主动激光扫描仪和劳动密集的处理去获得ground-truth的三维结构。本文提出一个新的大规模数据集BlendedMVS，为基于学习的MVS算法提供了足够的训练样本。为了创建数据集，首先利用三维重建算法从给定的场景图像中恢复出带纹理的三维网格模型。然后将重建得到的三维网格模型渲染得到彩色图像和深度图。为了在模型训练中引入环境的光照信息，渲染得到的彩色图像和原始输入图像进行混合，混合得到的彩色图像作为网络模型的训练输入。BlendedMVS数据集中包含超过17k的高分辨率图像，涵盖了各种场景，包括城市、建筑、雕塑和小物体。实验表明：和其他数据集相比，使用BlendedMVS训练的网络模型具有更好的泛化能力。
