DPSNet：端到端深度平面扫描立体匹配网络
计算机视觉与模式识别
2019-05-03 v1 机器人学
摘要
多视立体旨在从相机在任意运动下获取的图像中重建场景深度。近期方法通过深度学习解决该问题，可利用语义线索应对无纹理和反射区域等挑战。在本文中，我们提出一种称为 DPSNet（Deep Plane Sweep Network，深度平面扫描网络）的卷积神经网络，其设计受到传统基于几何的稠密深度重建方法最佳实践的启发。与许多先前深度学习方法直接从图像对估计深度和/或光流对应不同，DPSNet 采用平面扫描方法，利用平面扫描算法从深度特征构建代价体，通过上下文感知代价聚合对代价体进行正则化，并从代价体回归稠密深度图。代价体使用可微分扭曲过程构建，可实现网络的端到端训练。通过在深度学习框架中有效融入传统多视立体概念，DPSNet 在多个具有挑战性的数据集上取得了最先进的重建结果。
引用
@article{arxiv.1905.00538,
title = {DPSNet: End-to-end Deep Plane Sweep Stereo},
author = {Sunghoon Im and Hae-Gon Jeon and Stephen Lin and In So Kweon},
journal= {arXiv preprint arXiv:1905.00538},
year = {2019}
}
备注
ICLR2019 accepted