摘要
该科技报告给出了一个基于视频序列的时空一致性深度恢复算法。创造性地提出在多视图立体深度恢复中采用集束优化方法，在统一的框架下将噪声、遮挡和Outlier以多帧统计的方式进行高效处理，很好地解决了噪声和遮挡对深度估计的影响，恢复的深度图不仅具有很好的时域一致性，而且在不连续边界的深度恢复方面取得了重要突破，不会导致过平滑等瑕疵。为了高效地求解，我们提出了一个迭代求解策略，即先采用基于分割的立体匹配方法进行初始化，然后再将几何一致性约束加入进行集束优化。有别于显式地定义可见性变量，我们的方法采取隐式的方式对重建噪声和概率可见性进行建模，从而求解效率更高。此外，我们提出了一个多道置信度传播（Belief Propagation）优化算法，可以在不需要增加很多计算代价的条件下有效地扩展全局优化中的深度级数，从而提高深度恢复的精度。高质量的深度恢复直接推动了很多相关应用的发展，并为复杂的视频编缉处理奠定了基础。
NSTRS