ewrfcas

我们是用1152*1536来测试的，验证代码可能会有些波动，但是应该是在0.289左右波动才对，难道您修改过置信度了？

有一部分工作是用1200测试，一部分是用1600测试，我们总结下来分辨率还是越高越好，所以用了1600.这个差距有可能是tmps调整后的结果5,5,5,1，原文测试的时候使用的那套系数并不是最优的，是后面追加改的（可能会有小幅度波动，会不会到0.285还不太确定）

Hi, if you want to process sequential images, please refer to https://github.com/jzhangbs/Vis-MVSNet, and then search for "Quick test on your own data". After the SFM processing, you should obtain a...

For the first question, you should pad the image to 1920x1088 rather than 1920x1080. You should see https://github.com/ewrfcas/MVSFormer/blob/72bbd0b6a697e023feefbf76ae3aec34b340e575/datasets/general_eval.py#L108 and https://github.com/ewrfcas/MVSFormer/blob/72bbd0b6a697e023feefbf76ae3aec34b340e575/datasets/general_eval.py#L88 for more details. Because the image's width and height must...

> Thank you for the kind and prompt response! > > I'm encountering missing keys in the "alt_gvt_small" model. The keys are: > > missing keys:['norm_list.0.weight', 'norm_list.0.bias', 'norm_list.1.weight', 'norm_list.1.bias', 'norm_list.2.weight',...

应该是timm版本问题，可以试试timm==0.3.2

您好，可以尝试略微降低最高分辨率的尺度，并不会对结果造成太大影响。高分辨的情况下即使只有batch=1大多数情况也是足够的（还有梯度累积存在），较低分辨率保证较大的batch即可。

但是由于整个模型存在BN，所以梯度累积并不能完美等价代替大batch的训练，这里可能会存在略微的gap。

> > 您好，可以尝试略微降低最高分辨率的尺度，并不会对结果造成太大影响。高分辨的情况下即使只有batch=1大多数情况也是足够的（还有梯度累积存在），较低分辨率保证较大的batch即可。 > > 您好，感谢您的回复。请问，降低尺度，是指降低dtu训练集的尺度吗？将dtu训练集图像尺度改成与casmvsnet一样的640x512的尺度吗？ 修改config_mvsformer中的multi_scale_args（scales和scale_batch_map）。比如可以吧[1024,1280]去掉。

scale_batch_map里的1024也去掉了吗？这里是对应height的sub-batch