关于fusion阈值的设置

[aggestsfw]

谢谢大佬分享那么好的成果，想再请教一个问题，我看代码里设置的fusion参数 '--prob_threshold', '0.3', \ '--disp_threshold', '0.25', \ '--num_consistent', '3']

然后我看CVP-MVSNet里设置的如下，这个一般是有什么依据的？ parser.add_argument('--prob_threshold', type=float, default = '0.8') parser.add_argument('--disp_threshold', type=float, default = '0.13') parser.add_argument('--num_consistent', type=float, default = '3')

[prstrive]

我认为需要依据confidence的生成方式而定，回归方法（CVP）将每个像素点预测深度周围的四个深度假设层的权重之和作为confidence，而分类方法（R-MVSNet）或者我们的统一表示方法是将取所有假设层中的最大概率作为confidence。所以我们认为回归方法自然需要设置更大的prob_threshold来确保准确度。

[cainsmile]

我认为需要依据confidence的生成方式而定，回归方法（CVP）将每个像素点预测深度周围的四个深度假设层的权重之和作为confidence，而分类方法（R-MVSNet）或者我们的统一表示方法是将取所有假设层中的最大概率作为confidence。所以我们认为回归方法自然需要设置更大的prob_threshold来确保准确度。

那么最佳的参数是多少呢？可以复现得到你论文中的结果的值