ECCVJul, 2020

使用 Cayley 表示法的可学习成本体积

PDF
TL;DR通过使用椭圆内积，我们提出了一种可学习的成本体积 (LCV)，可插入现有模型以替换香草成本体积，实验结果显示该模块提高了最新模型的准确度，并促进了它们在输入信号的光照变化，噪声和对抗扰动方面的鲁棒性。
optical flow estimationdeep modelscost volumelearnable cost volumeelliptical inner product
发现论文，激发创造
  • 从少量匹配学习光流

    本文研究了一种神经网络模型的新方法，使用稀疏相关物体代替密集相关物体，以更高效且准确地估算像素位移并降低计算成本和内存使用。

    Apr, 2021

  • LLA-FLOW: 光流估计的轻量级代价体积局部聚合

    通过在特征图上使用轻量化模块聚合代价体积，使用传统的局部区域约束来设计局部相似性聚合（LSA）和移位局部相似性聚合（SLSA），以降低光流估计中全局信息聚合所需的高昂内存和时间成本，同时保持有竞争力的性能。

    Apr, 2023

  • 直接代价体积处理实现精准光流计算

    通过对完整的四维成本体积进行操作，我们提出了一个光流估计方法，利用半全局匹配来优化四维成本体积，使得我们的方法比现有的光流方法更精确，速度更快，并在 Sintel 和 KITTI 2015 基准测试上优于所有已发布的通用光流方法。

    Apr, 2017

  • 高分辨率多视角立体匹配的级联代价体

    本文提出了一种既节省时间又节省内存的立体成像方法，该方法在几何和语境的渐进细化尺度中构建标准的特征金字塔下的代价体，随着不断增加的代价体分辨率以及深度（或差异）间隙的自适应调整，以较粗糙的方式从粗到细恢复输出。

    Dec, 2019

  • 基于相关代价体积的多视角立体反演深度回归学习

    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。

    Dec, 2019

  • 准确光流估计的位移不变匹配代价学习

    本研究基于深度立体匹配中使用的 3D 卷积学习 3D 成本体积和流形成本之间的映射关系，旨在提出一种新的算法，该算法绕过了需要构建 5D 特征体积的要求。具体而言，本研究提出解耦 2D 位移之间的关系，并在每个 2D 位移假设上独立地应用 2D 卷积匹配网络来学习 4D 成本体积，从而实现了独立于位移的成本学习。最后，我们采用 2D soft-argmin 层将成本体积投影到光流估计中。

    Oct, 2020

  • 通过半径分布正交代价体积实现内存高效的光流计算

    MeFlow 是一种新的内存高效的方法，用于高分辨率光流估计，通过使用局部正交费用体积和自注意力，在高分辨率输入下实现竞争性性能和最高的内存效率。

    Dec, 2023

  • OccCasNet：用于光场深度估计的遮挡感知级联代价体积

    本研究提出了一个基于层级累加代价体积和遮挡感知技术的光场深度估计方法，该方法利用相机阵列的子孔径图像对中心图像进行提取深度，同时通过引入遮挡地图来提高深度的估计准确性。实验证明了该方法比同类方法更加精确和高效。

    May, 2023

  • 基于 CNN 的代价体积分析作为稠密匹配的置信度量

    本文提出了使用卷积神经网络 (CNN) 从三维数据中直接学习置信度估计特征的新方法，将深度学习和代价体特征相结合，通过对三个数据集上的三种常见密集立体匹配技术进行广泛评估，证明了该方法的广泛性和最先进的准确性。

    May, 2019

  • 深度立体匹配自适应单峰代价卷积滤波

    本文提出了一种新的深度学习立体匹配方法，通过在代价体上增加限制和建立局部基于峰值的单峰分布函数，显式地建模不同环境下的匹配不确定性，从而提高了匹配效果。

    Sep, 2019