弱纹理区域精准重建
该算法通过分割弱纹理区域并构建平面先验，结合全局信息聚合代价函数，显著提升三维建筑物重建的完整性与密度。
Hongxin, Peng · Yongjian, Liao · 李卫军 · Chuanyu, Fu · Zhang, Guoxin · Ding, Ziquan · Zijie, Huang · Qiku, Cao · 蔡述庭
Advanced Engineering Informatics 2024
利用SAM和RANSAC准确分割弱纹理区域并构建平面先验，使这些区域的深度估计更准确。
全局信息聚合代价函数从先验候选集中选择最优平面先验，并在深度估计更新中施加几何一致性约束，从而提高重建的完整性和密度。
在ETH3D基准数据集以及航空、建筑和真实场景数据集上的实验结果表明，该方法在生成三维建筑模型方面优于其他最先进方法。
该方法可应用于航空数据集、建筑数据集和真实场景，适用于城市规划和虚拟现实等更广泛的应用。