AdaStereo：一种高效的域自适应立体匹配方法
计算机视觉与模式识别
2021-12-10 v1
摘要
近来，端到端视差网络不断刷新立体匹配基准的记录。然而，这些深度模型的域适应能力相当有限。针对该问题，我们提出了一种名为 AdaStereo 的新型域自适应方法，旨在为深度立体匹配网络对齐多层次表示。相较于先前方法，我们的 AdaStereo 实现了更标准、完整且有效的域自适应流程。首先，我们提出一种非对抗式渐进色彩迁移算法，用于输入图像级对齐。其次，我们设计了一种高效的无参数代价归一化层，用于内部特征级对齐。最后，提出一项高度相关的辅助任务——自监督遮挡感知重建，以缩小输出空间中的差距。我们进行了详尽的消融研究与分解对比，以验证各提出模块的有效性。在无额外推理开销且仅略微增加训练复杂度的情况下，我们的 AdaStereo 模型在包括 KITTI、Middlebury、ETH3D 和 DrivingStereo 在内的多个基准上取得了最先进的跨域性能，甚至优于一些使用目标域真值微调的最先进视差网络。此外，基于两个额外的评估指标，我们的域自适应立体匹配流程的优越性从更多角度得以进一步揭示。最后，我们证明了我们的方法对各种域自适应设置具有鲁棒性，并且可轻松集成到快速自适应应用场景与实际部署中。
引用
@article{arxiv.2112.04974,
title = {AdaStereo: An Efficient Domain-Adaptive Stereo Matching Approach},
author = {Xiao Song and Guorun Yang and Xinge Zhu and Hui Zhou and Yuexin Ma and Zhe Wang and Jianping Shi},
journal= {arXiv preprint arXiv:2112.04974},
year = {2021}
}
备注
To be published in International Journal of Computer Vision (IJCV)