ADCPNet：用于高效实时立体匹配的自适应视差候选预测网络
计算机视觉与模式识别
2020-11-19 v1
摘要
高效的实时视差估计对于立体视觉系统在各个领域的应用至关重要。近年来，基于由粗到细方法的立体网络在很大程度上缓解了大规模网络模型的内存限制和速度限制。然而，以往所有由粗到细的设计都采用恒定偏移量，并使用三个或更多阶段来逐步细化粗视差图，在移动设备上部署时仍导致不令人满意的计算精度和推理时间。本文声称，只要能提供更准确的视差候选，就能以更少的阶段高效地纠正粗匹配误差。因此，我们提出了一个动态偏移预测模块，以满足不同物体的不同校正需求，并设计了一个高效的两阶段框架。此外，由于视差无关卷积更符合紧凑代价体积的局部统计特性，我们提出用它来进一步提升性能。在多个数据集和平台上的评估结果清楚地表明，所提出的网络在准确率和速度方面均优于最先进的轻量级模型，尤其是在移动设备上。代码将公开发布。
引用
@article{arxiv.2011.09023,
title = {ADCPNet: Adaptive Disparity Candidates Prediction Network for Efficient Real-Time Stereo Matching},
author = {He Dai and Xuchong Zhang and Yongli Zhao and Hongbin Sun},
journal= {arXiv preprint arXiv:2011.09023},
year = {2020}
}