代码中的matlab问题

[lgc1030]

No description provided.

[SHERRYMINE]

0. Change the path parameters in the code
1. Run BaseEvalMain_web.m
2. Run ComputeStat_web.m

[SHERRYMINE]

In BaseEvalMain_web.m:
1.dataPath: download Points(6.3G) from http://roboimagedata.compute.dtu.dk/?page_id=36
2.plyPath: Mvsnet output path
3.resultsPath: BaseEvalMain_web.m output path

In ComputeStat_web.m：
1.dataPath: keeps the same path in BaseEvalMain_web.m
2.resultsPath:keeps the same path in BaseEvalMain_web.m

[lgc1030]

In BaseEvalMain_web.m: 1.dataPath: download Points(6.3G) from http://roboimagedata.compute.dtu.dk/?page_id=36 2.plyPath: Mvsnet output path 3.resultsPath: BaseEvalMain_web.m output path

In ComputeStat_web.m： 1.dataPath: keeps the same path in BaseEvalMain_web.m 2.resultsPath:keeps the same path in BaseEvalMain_web.m

您好，我跑ComputeStat_web.m的结果是mean acc 0.4866 mean comp 0.3943，请问这个结果是论文中提到的最后结果吗？我不太理解ComputeStat_web.m和BaseEvalMain_web.m跑出来的结果分别代表什么意思，那个结果是论文中提到的结果呢，麻烦您指教一下可以吗，谢谢

[SHERRYMINE]

你可以再跑一遍，注意看那两个matlab文件在命令行跑出来的结果。
mean acc是指平均准确率，mean comp是指平均完整率，具体的评价指标在论文中有写，表示使用mvsnet模型训练后融合生成的点云和ground truth点云的之间的差别。

直观上的理解是这样的，0.4866 mean acc可以理解成：在生成的点云中，平均有48.66%的点深度和gt是一样的（在可接受的范围内）；0.3943 mean comp可以理解成：生成的点云数量平均占gt的39.43%

[SHERRYMINE]

去看Read me的Results on DTU

[SHERRYMINE]

Deep Learning for Multi-view Stereo via Plane Sweep A Survey
我想你看完这一篇论文就都会了

[lgc1030]

Deep Learning for Multi-view Stereo via Plane Sweep A Survey 我想你看完这一篇论文就都会了

好的

[lgc1030]

Deep Learning for Multi-view Stereo via Plane Sweep A Survey 我想你看完这一篇论文就都会了

您好，请问提供的matlab代码中，哪一个matlab文件跑出来的结果是论文当中的acc和comp呀

[SHERRYMINE]

comstat的那个-------- 原始邮件 --------发件人： lihaha ***@***.***>日期： 2023年5月20日周六 21:24收件人： xy-guo/MVSNet_pytorch ***@***.***>抄送： SHERRYMINE ***@***.***>, Comment ***@***.***>主 题： Re: [xy-guo/MVSNet_pytorch] 代码中的matlab问题 (Issue #54) Deep Learning for Multi-view Stereo via Plane Sweep A Survey 我想你看完这一篇论文就都会了 您好，请问提供的matlab代码中，哪一个matlab文件跑出来的结果是论文当中的acc和comp呀 —Reply to this email directly, view it on GitHub, or unsubscribe.You are receiving this because you commented.Message ID: ***@***.***>

[ZooKangaroo]

@SHERRYMINE 请问如果我需要定量评价自己数据集的重建效果，需要怎么操作？如果使用这里给的matlab代码的话，那么obsmask文件是什么？该怎样生成？谢谢！