关键词stereo depth estimation
搜索结果 - 9
- CVPR可复用的持续立体匹配架构增长
通过可持续学习和架构增长，我们提出了一种可重复使用的架构增长（RAG）框架，用于连续立体匹配和动态场景适应性，实现了在各种天气、道路和城市环境中的出色表现，并超越了最难的跨数据集设置的最新方法。
- ECCV上下文增强立体变换器
该研究提出了一种改进了现有方法的 Context Enhanced Path (CEP) 来捕捉长距离的全局信息，从而提高立体深度估计的泛化和鲁棒性；并将其应用在 Stereo Transformer 中构建了新的立体深度估计模型，Cont - 正常辅助立体深度估计
本文研究如何利用法线估计模型和预测的法线图提高深度质量，方法包括联合学习多视角法线估计和深度估计模块以及提出一种新的一致性损失来训练一个独立的一致性模块来细化深度 / 法线对。实验结果表明，该方法具有高精度、平滑等优点，在多个数据集上的表现 - 360 度可学习代价卷积的立体深度估计
提出一种新的神经网络架构，用于解决 360° 图像中的球面视差问题，并通过学习可移位滤波器构建代价体积以缓解失真问题，实验结果表明其对现有算法具有较好的鲁棒性和准确性。
- 基于元学习的在线自适应立体深度估计
本文提出了一种基于在线元学习的深度学习网络在线自适应方法来解决立体深度估计的在线自适应问题，并在 KITTI 数据集上进行了实验，其性能可以与基于批处理训练的最先进算法相媲美。
- CVPR学习如何为立体感应适应
介绍了一种 “学习适应” 框架，可以让基于深度学习的立体视觉方法以一种无监督的方式不断适应新的目标领域，从而适用于现实世界的应用，例如自动驾驶。
- 高效注意力：线性复杂度的注意力
本文提出了一种新的有效注意机制，其在计算代价和内存使用方面远优于点积注意力，这种资源效率使得它能够更广泛和灵活地集成到网络中，提高了观察精度，可以用于物体检测、实例分割和立体深度估计等领域。
- R$^3$SGM: 适用于功率受限环境的实时光栅 Respecting 半全局匹配
本文提出了一种受到 More Global Matching (MGM) 方法启发的新型资源高效方法，它可以实时运行在功耗低的 FPGA 上，并在 KITTI 和 Middlebury 等多个数据集上验证了我们的方法可以实现在准确性、功耗效 - 移动设备上的实时立体图像深度估计
本文介绍了一种实时生成精准视差图的方法，在保持精度的同时可以根据计算资源的需求自动调整。该方法的参数数量较少且可用于资源受限的设备。