EdgeStereo：一种用于立体匹配与边缘检测的有效多任务学习网络
计算机视觉与模式识别
2019-12-12 v2
摘要
近来，借助端到端卷积神经网络（CNNs）的发展，深度立体匹配网络取得了远超传统方法的卓越性能。然而，最先进的立体框架在无明显纹理区域、精细结构、小物体和近边界处寻找正确对应上仍有困难，而几何线索（如边缘轮廓与相应约束）可缓解此问题。为提升这些困难区域的视差估计质量，我们提出一种有效的多任务学习网络EdgeStereo，由视差估计分支与边缘检测分支组成，可端到端预测视差图与边缘图。为有效融入边缘线索，我们提出边缘感知平滑损失与边缘特征嵌入用于任务间交互。结果表明，基于我们的统一模型，边缘检测任务与立体匹配任务可相互促进。此外，我们设计了一个称为残差金字塔的紧凑模块，以替代当前立体匹配网络中常用的多阶段级联结构或基于3D卷积的正则化模块。在投稿时，EdgeStereo在FlyingThings3D数据集、KITTI 2012与KITTI 2015立体基准上取得了最先进（state-of-the-art）性能，以显著优势超越其他已发表的立体匹配方法。因融入边缘线索，EdgeStereo在视差估计上也取得了可比较的泛化性能。
引用
@article{arxiv.1903.01700,
title = {EdgeStereo: An Effective Multi-Task Learning Network for Stereo Matching and Edge Detection},
author = {Xiao Song and Xu Zhao and Liangji Fang and Hanwen Hu},
journal= {arXiv preprint arXiv:1903.01700},
year = {2019}
}
备注
Accepted for publication in International Journal of Computer Vision (IJCV)