CGI-Stereo：基于上下文与几何交互的准确实时立体匹配方法

Gangwei Xu; Huan Zhou; Xin Yang

CGI-Stereo：基于上下文与几何交互的准确实时立体匹配方法

计算机视觉与模式识别 2023-03-09 v2

作者: Gangwei Xu , Huan Zhou , Xin Yang

摘要

在本文中，我们提出 CGI-Stereo，一种能够同时实现实时性能、具有竞争力的精度和强泛化能力的新型神经网络架构。我们 CGI-Stereo 的核心是一个上下文与几何融合(CGF)模块，该模块自适应地融合上下文和几何信息以进行更有效的代价聚合，同时向特征学习提供反馈以引导更有效的上下文特征提取。所提出的 CGF 可轻松嵌入许多现有的立体匹配网络，如 PSMNet、GwcNet 和 ACVNet。所得网络在精度上显示出显著提升。特别地，将我们的 CGF 与 ACVNet 结合的模型在 KITTI 2012 和 2015 排行榜上排名所有已发表方法中的第 $1^{st}$ 位。我们进一步提出一种信息丰富且简洁的代价体，称为注意力特征体(AFV)，它利用相关性体作为注意力权重来过滤特征体。基于 CGF 和 AFV，所提出的 CGI-Stereo 在 KITTI 基准上优于所有其他已发表的实时方法，并展现出优于其他实时方法的泛化能力。代码可在 https://github.com/gangweiX/CGI-Stereo 获取。

关键词

立体匹配实时上下文与几何融合代价聚合注意力特征体泛化 CGI-Stereo

引用

@article{arxiv.2301.02789,
  title  = {CGI-Stereo: Accurate and Real-Time Stereo Matching via Context and Geometry Interaction},
  author = {Gangwei Xu and Huan Zhou and Xin Yang},
  journal= {arXiv preprint arXiv:2301.02789},
  year   = {2023}
}

备注

10 pages, 6 figures

CGI-Stereo：基于上下文与几何交互的准确实时立体匹配方法

摘要

关键词

引用

备注

相关论文