AMNet：用于立体视差估计的深度空洞多尺度网络
计算机视觉与模式识别
2019-04-22 v1
摘要
本文提出一种新的用于立体视差估计的深度学习架构。所提出的空洞多尺度网络(AMNet)采用带有深度可分离卷积的高效特征提取器，以及一种在深度特征上部署新颖立体匹配代价的扩展代价体。提出一种堆叠空洞多尺度网络，从代价体中聚合丰富的多尺度上下文信息，从而能够以高精度在多尺度上估计视差。AMNet可进一步修改为前景-背景感知网络 FBA-AMNet，能够在多尺度上区分场景中的前景与背景物体。提出一种迭代多任务学习方法来端到端训练 FBA-AMNet。所提出的视差估计网络 AMNet 和 FBA-AMNet 展现出准确的视差估计，并在具有挑战性的 Middlebury、KITTI 2012、KITTI 2015 和 Sceneflow 立体视差估计基准上推进了当前最优(state of the art)水平。
引用
@article{arxiv.1904.09099,
title = {AMNet: Deep Atrous Multiscale Stereo Disparity Estimation Networks},
author = {Xianzhi Du and Mostafa El-Khamy and Jungwon Lee},
journal= {arXiv preprint arXiv:1904.09099},
year = {2019}
}