用于精确高效立体匹配的关注拼接代价体
计算机视觉与模式识别
2022-06-24 v3
摘要
立体匹配是许多视觉与机器人应用的基本构件。信息丰富且紧凑的代价体表示对于高精度、高效率的立体匹配至关重要。本文提出一种新颖的代价体构建方法，其从相关性线索生成注意力权重，以抑制拼接代价体中的冗余信息并增强与匹配相关的信息。为生成可靠的注意力权重，我们提出多级自适应块匹配，以提升不同视差处匹配代价的区分性，即便在无纹理区域亦如此。所提出的代价体命名为关注拼接代价体（ACV），可无缝嵌入大多数立体匹配网络，所得网络可采用更轻量的聚合网络并同时达到更高精度，例如仅用 GwcNet 聚合网络 1/25 的参数即可取得更高精度。此外，我们基于 ACV 设计了一个高精度网络（ACVNet），在多个基准上取得了最先进的性能。
引用
@article{arxiv.2203.02146,
title = {Attention Concatenation Volume for Accurate and Efficient Stereo Matching},
author = {Gangwei Xu and Junda Cheng and Peng Guo and Xin Yang},
journal= {arXiv preprint arXiv:2203.02146},
year = {2022}
}
备注
Accepted to CVPR 2022