用于立体匹配的跨尺度代价聚合
计算机视觉与模式识别
2014-03-04 v1
摘要
人类能够在多个尺度上处理立体对应关系。然而，这种生物启发被当前最先进的稠密立体对应代价聚合方法所忽视。本文提出了一种通用的跨尺度代价聚合框架，以允许代价聚合中的多尺度交互。我们首先从统一的优化视角重新表述代价聚合，并表明不同的代价聚合方法本质上在于相似性核的选择不同。随后，我们在优化中引入了一种尺度间正则化项，求解这一新的优化问题即导出了所提出的框架。由于该正则化项独立于相似性核，各种代价聚合方法均可集成到该通用框架中。我们表明，跨尺度框架至关重要，因为它能有效且高效地扩展最先进的代价聚合方法，并在 Middlebury、KITTI 和 New Tsukuba 数据集上的评估中带来显著改进。
引用
@article{arxiv.1403.0316,
title = {Cross-Scale Cost Aggregation for Stereo Matching},
author = {Kang Zhang and Yuqiang Fang and Dongbo Min and Lifeng Sun and Shiqiang Yang. Shuicheng Yan and Qi Tian},
journal= {arXiv preprint arXiv:1403.0316},
year = {2014}
}
备注
To Appear in 2013 IEEE Conference on Computer Vision and Pattern Recognition (CVPR). 2014 (poster, 29.88%)