Transformer के साथ मल्टी-व्यू स्टेरियो

यह पत्र एक नेटवर्क का प्रस्ताव करता है, जिसे MVSTR कहा जाता है, मल्टी-व्यू स्टेरियो (MVS) के लिए। यह ट्रांसफार्मर पर आधारित है और वैश्विक संदर्भ और 3D संगति के साथ घने विशेषताओं को निकालने में सक्षम है, जो MVS के लिए विश्वसनीय मिलान प्राप्त करने के लिए महत्वपूर्ण हैं। विशेष रूप से, मौजूदा CNN-आधारित MVS तरीकों की सीमित रिसेप्टिव फील्ड की समस्या से निपटने के लिए, एक वैश्विक-संदर्भ ट्रांसफार्मर मॉड्यूल पहले प्रस्तावित किया गया है ताकि इंटरा-व्यू वैश्विक संदर्भ का अन्वेषण किया जा सके। इसके अतिरिक्त, घने विशेषताओं को 3D-संगत बनाने के लिए, एक 3D-जियोमेट्री ट्रांसफार्मर मॉड्यूल को एक अच्छी तरह से डिजाइन किए गए क्रॉस-व्यू ध्यान तंत्र के साथ बनाया गया है ताकि इंटर-व्यू सूचना इंटरैक्शन को सुगम बनाया जा सके। प्रयोगात्मक परिणाम दिखाते हैं कि प्रस्तावित MVSTR DTU डेटा सेट पर सर्वश्रेष्ठ समग्र प्रदर्शन प्राप्त करता है और टैंक्स और मंदिर बेंचमार्क डेटा सेट पर मजबूत सामान्यीकरण करता है।