CBMV：一种用于视差估计的合并双向匹配体
计算机视觉与模式识别
2018-04-06 v1
摘要
近来，立体匹配出现了范式转变，基于学习的方法在所有流行基准上取得了最佳结果。这些方法的成功归因于带有真值标签的训练数据的可用性；在这些数据集上训练基于学习的系统使其超越了基于启发式与假设的传统方法的精度。然而，许多此类假设已被广泛验证，并对绝大多数可能输入成立。在本文中，我们利用带真值的数据与传统经验生成匹配体。我们通过随机森林分类器合并来自双向匹配过程的多样证据来实现这一点。我们表明，所得到的匹配体估计方法在基准上取得了与纯数据驱动替代方法相近的精度，并且对未见数据的泛化能力好得多。事实上，我们提交给 KITTI 和 ETH3D 基准的结果正是使用在 Middlebury 2014 数据集上训练的分类器生成的。
引用
@article{arxiv.1804.01967,
title = {CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation},
author = {Konstantinos Batsos and Changjiang Cai and Philippos Mordohai},
journal= {arXiv preprint arXiv:1804.01967},
year = {2018}
}
备注
Accepted to Computer Vision and Pattern Recognition (CVPR) 2018