MVSNet_pytorch是基于PyTorch框架的一个深度学习项目，实现了多视图立体视觉网络(MVSNet)，用于高精度深度估计和3D重建。
MVSNet的非官方Pytorch实现由姚瑶、罗子欣、李世伟、田芳和龙泉在ECCV2018上提出。MVSNet是一种深度学习架构，用于从非结构化多视图图像中推断深度图。
使用环境如下：
- Python 3.6（Anaconda）
- Pytorch 1.0.1
训练步骤：
1. 下载并预处理固定训练摄像机的数据。
2. 将数据放置在名为MVS_TRAINING的文件夹内。
3. 创建一个checkpoints的日志目录。
4. 在train.sh中设置MVS_TRAINING为您的训练数据路径。
5. 使用命令`./train.sh`来启动训练。
测试步骤：
1. 下载并解压预处理后的测试数据，放置在名为DTU_TESTING的文件夹内。该文件夹应包含cams、images和pair.txt三个子目录或文件。
2. 在test.sh中设置DTU_TESTING为您的测试数据路径，并指定CKPT_FILE（检查点文件）。
以上是MVSNet非官方Pytorch实现的基本使用说明。
5星
