Xiaoyang Guo, Kai Yang, Wukui Yang, Xiaogang Wang, Hongsheng Li
TL;DR本文提出了使用分组相关来构建成本体积,并改进了三维堆叠沙漏网络,以用于立体匹配的深度感知,通过实验证明在 Scene Flow、KITI 2012 和 KITTI 2015 数据集上,该方法优于之前的方法。
Abstract
stereo matching estimates the disparity between a rectified image pair, which
is of great importance to depth sensing, autonomous driving, and other related
tasks. Previous works built cost volumes with cross-cor
本研究提出了一种用于减少计算负担和对大规模景观适用的轻量级花费体积平均群组相似性度量以及基于此有效的花费体积表示的级联 3D U-Net 模块,并将多视角深度推断重新转换为反深度回归任务,旨在提升深度推断的可扩展性和准确性,在 DTU 数据集和 Tanks and Temples 数据集上实现了方差的估计和最优性能的状态。