# SimpleRecon: 无需 3D 卷积的 3D 重建
这是使用文中所述方法训练和测试 MVS 深度估计模型的参考 PyTorch 实现。
> **SimpleRecon: 无需 3D 卷积的 3D 重建**
>
> [Mohamed Sayed](https://masayed.com)、[John Gibson](https://www.linkedin.com/in/john-e-gibson-ii/)、[Jamie Watson](https://www.linkedin.com/in/jamie-watson-544825127/)、[Victor Adrian Prisacariu](https://www.robots.ox.ac.uk/~victor/)、[Michael Firman](http://www.michaelfirman.co.uk) 和 [Clément Godard](http://www0.cs.ucl.ac.uk/staff/C.Godard/)
>
> [论文, ECCV 2022 (arXiv pdf)](https://arxiv.org/abs/2208.14743), [辅助资料](https://nianticlabs.github.io/simplerecon/resources/SimpleRecon_supp.pdf), [项目页面](https://nianticlabs.github.io/simplerecon/), [视频](https://youtu.be/3LP8jp45Ef8)
https://github.com/nianticlabs/simplerecon/assets/14994206/ae5074c2-6537-45f1-9f5e-0b3646a96dcb
https://user-images.githubusercontent.com/14994206/189788536-5fa8a1b5-ae8b-4f64-92d6-1ff1abb03eaf.mp4
此代码仅供非商业用途;请参阅 [许可文件](LICENSE) 了解条款。如果您确实发现此代码库中的某部分有帮助,请使用下面的 BibTex 引用我们的论文并链接此仓库。谢谢!
截至 2022 年 12 月 31 日，已发布了一项更新，该更新修复了内部参数的小幅错误、成本体积的翻转增强以及投影中的数值精度错误。所有分数都有所提升。您需要更新您的分支并使用新的权重。请参阅 [错误修复](#-bug-fixes)。