CFDNet：基于对比特征蒸馏的通用雾天立体匹配网络
计算机视觉与模式识别
2024-03-07 v2
摘要
雾天场景下的立体匹配仍然是一项具有挑战性的任务，因为散射效应会降低能见度，导致密集对应匹配的特征区分度降低。虽然之前一些基于学习的方法集成了物理散射函数以同时进行立体匹配和去雾，但简单地去除雾气可能无助于深度估计，因为雾气本身可以提供关键的深度线索。在本文中，我们引入了一种基于对比特征蒸馏（CFD）的框架。该策略结合了来自合并的清晰 - 雾特征的特征蒸馏与对比学习，确保了对雾深度提示和清晰匹配特征的平衡依赖。该框架有助于增强模型在清晰和雾天环境中的泛化能力。在合成和真实世界数据集上的综合实验证实了我们方法的优越实力和适应性。
引用
@article{arxiv.2402.18181,
title = {CFDNet: A Generalizable Foggy Stereo Matching Network with Contrastive Feature Distillation},
author = {Zihua Liu and Yizhou Li and Masatoshi Okutomi},
journal= {arXiv preprint arXiv:2402.18181},
year = {2024}
}