Mar, 2024

匹配立体视频：一致的动态立体匹配的双向对齐

PDF
TL;DR基于学习的方法在动态对象的立体视频中优化单个立体对的有力表现，但存在时间上的不一致性。本文提出了一种双向对齐机制和一个新的框架 BiDAStereo，通过局部匹配和全局聚合的方式实现了一致的动态立体匹配，从而在多个常用基准测试中展示了预测质量的提高和最先进的结果。
dynamic stereo matchinglearning-based methodstemporal consistencylocal matchingmotion-propagation recurrent unit
发现论文，激发创造
  • DynamicStereo：来自立体视频的一致动态深度

    本文提出了一种新颖的基于 Transformer 的 DynamicStereo 结构来解决从双目摄像机中重构动态场景的问题，并介绍了 Dynamic Replica 数据集来提供更贴近实际应用的训练和评估数据。

    May, 2023

  • 时域立体匹配：超过 100 帧每秒的扩展现实视频立体匹配

    实时立体匹配是许多扩展现实（XR）应用的基础算法，本研究介绍了一个包含室内场景的真实视频立体合成数据集，并提出了一种在低功耗设备上实现高准确度实时深度推测的新方法。

    Sep, 2023

  • 边缘感知一致性立体视频深度估计

    通过使用双目输入，引进左右一致性损失函数，并提出一种保存边缘特征的损失函数来改善测试时训练中的深度模糊问题，提出了一种稠密的双目视频深度估计方法，调研结果表明该模型精度可靠。

    May, 2023

  • 通过时空对应将立体匹配和光流联系起来

    本文提出一种单一和原则性网络，用于联合学习立体匹配和流估计的时空对应关系，通过设计的几何连接作为临近时间内的立体对的无监督信号。结果表明，我们的方法对于 KITTI 基准数据集上的无监督深度和流估计都优于几种最先进的基线方法。

    May, 2019

  • 使用无监督学习局部和全局特征实现视频对齐

    本文介绍一种无监督的视频对准方法，通过人体检测、姿态估计、VGG 网络等机器视觉工具提取并结合构建多维时间序列，利用 Diagonalized Dynamic Time Warping (DDTW) 算法对相同动作的视频进行对齐，采用新型评价指标 Enclosed Area Error (EAE) 显示本文方法在视频对齐任务和相位分类任务上均优于之前最先进的方法 (TCC 等)。

    Apr, 2023

  • BEVStereo：动态时间立体下的多视角三维物体检测深度估计增强

    本文提出了一种基于时间立体的有效方法来处理三维物体检测中深度感知所固有的模糊性。其有效地选择了匹配候选项的比例，极大地减少了计算开销，设计了一种迭代算法来更新更有价值的候选项，使其适应于移动的候选项，并达到了比现有的 MVS 方法更好的性能。

    Sep, 2022

  • BEVStereo++：通过动态时间立体视觉，在多视角 3D 物体检测中准确估计深度

    提出了一个基于动态时间立体视觉策略的 3D 物体检测框架 BEVStereo++, 并通过使用运动补偿模块和长序列帧融合方法，实现了在 Waymo 和 nuScenes 数据集上的最先进表现 (SOTA)。

    Apr, 2023

  • CBMV：一种用于视差估计的合并双向匹配体积

    本文介绍了一种利用基于学习的方法和传统智慧生成匹配体积，以提高立体匹配准确性的方法。作者使用随机森林分类器将来自双向匹配过程的不同证据融合在一起，证明了该方法的准确性与纯数据驱动替代方案相当，并且能够更好地应用于未见过的数据。

    Apr, 2018

  • 基于深度学习的立体相机多视频同步技术

    该研究比较了不同的基于深度学习的系统，证明了一些系统足够高效和具有泛化能力，能够在软件层面实现双目相机的视频同步，从而降低整个系统的成本、重量和体积，并为生产就绪软件视频同步系统铺平了道路。

    Mar, 2023

  • Object-Centric Stereo Matching for 3D Object Detection

    研究采用一种新型 2D 框和以物体为中心的立体匹配方法，通过测量目标物体的视差来解决当前立体匹配网络固有的偏差问题，从而实现自主驾驶中的 3D 对象检测。

    Sep, 2019