BriefGPT.xyz
Sep, 2014
使用卷积神经网络计算立体匹配成本
Computing the Stereo Matching Cost with a Convolutional Neural Network
HTML
PDF
Jure Žbontar, Yann LeCun
TL;DR
该论文通过使用卷积神经网络预测图像之间匹配的好坏，进而计算立体匹配代价，再通过交叉基准代价聚合、半全局匹配和左右一致性检查（LRC）来消除遮挡区域中的错误，从而获得了较低的误差率。该方法在KITTI立体数据集上达到了2.61％的误差率，并且是该数据集上目前（2014年8月）表现最好的方法。
Abstract
We present a method for extracting
depth information
from a rectified image pair. We train a
convolutional neural network
to predict how well two image patches match and use it to compute the
→