开源数据集DTU数据集：针对MVS而专门拍摄并处理的室内数据集利用一个搭载可调节亮度灯的工业机器臂对一个物体进行多视角的拍摄，每个物体所拍的视角都经过严格控制，所以可以获取每个视角的相机内、外参数。数据集组成：124个不同的物体或场景，每个物体共拍摄49个视角，每个视角共有7种不同的亮度。每个物体或场景文件夹内部共有343个图片。每张影像的分辨率为1600×1200。（该数据集还包含带有深度图真值

以下以testimage镜像作为例子在服务器容器中配置ssh通过一个其他的端口进入容器，这里使用6789端口sudo docker run -it -p 6789:22 testimage下载opensshapt-get updateapt-get install openssh-server设置root密码passwd然后设置两遍相同的密码，之后登陆的时候要用到！4. 修改配置文件vim /et

操作系统：Ubuntu18.04.4版本：opencv3.2.0安装准备安装cmakesudo apt-get install cmake安装依赖环境sudo apt installbuild-essentialsudo apt install cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-

Cascade Cost Volume for High-Resolution Multi-View Stereo and Stereo MatchingCVPR 2020Abstract之前的问题：构建3D代价体，随着分辨率的增加cubic增长memory and time efficient cost volume formulation complementary首先构建特征金字塔，每一步通

Recurrent MVSNet for High-resolution Multi-view Stereo Depth InferenceCVPR 2019核心思路之前的缺陷：scalability, hard for high-resolution scenescontribution: scalable MVS framework 内存消耗减少，也可以应用大场景instead of regu

安装C++ influxdb环境????仓库：GitHub - orca-zhang/influxdb-cpp: ???? C++ client for InfluxDB.直接将influxdb.hpp放到工程src/中，并引用该头文件即可，非常方便连接并读取influxdb数据库连接influxdb_cpp::server_info insense("127.0.0.1", 8086, "tes

Recurrent MVSNet for High-resolution Multi-view Stereo Depth InferenceCVPR 2019核心思路之前的缺陷：scalability, hard for high-resolution scenescontribution: scalable MVS framework 内存消耗减少，也可以应用大场景instead of regu

Cost Volume Pyramid Based Depth Inference for Multi-View StereoCVPR 2020 oralAbstractbuild cost volume pyramid in a coarse-to-fine manner而不是固定分辨率的代价体，使得网络更轻量化，可以迭代生成高质量的深度图首先通过对最粗糙图像的前平行平面均匀采样构建最初的cos

Attention-Aware Multi-View StereoCVPR 2020Abstractattention-enhanced matching confidence volume → robust photo-consistency将提取出特征的pixel-wise matching confidence与局部场景的上下文信息相结合attention-guided regulariza

P-MVSNet: Learning Patch-wise Matching Confidence Aggregation for Multi-View Stereo ICCV 2019Abstractvolume在深度和空间方向应该都是各向异性的，但之前都是各向同性的处理问题本文基于各向同性和各向异性的3D卷积构建网络两大核心模块：patch-wise aggregation module: 从