ES-Net：一种高效的立体匹配网络
计算机视觉与模式识别
2021-03-09 v1
摘要
基于深度神经网络的稠密立体匹配备受研究界关注。现有立体匹配网络通常使用缓慢且计算昂贵的 3D 卷积来提升性能，这对自动驾驶等实际应用并不友好。本文提出高效立体网络(ESNet)，同时实现高性能与高效推理。ESNet 仅依赖 2D 卷积，并采用基于变形的方法高效计算多尺度代价体，以提升细节丰富区域的性能。此外，我们通过提出 ESNet-M(ESNet 的一种变体，额外无监督地估计遮挡掩码)来解决遮挡区域的匹配歧义问题。我们进一步提出一种包含数据集调度与无监督预训练的新训练方案，从而提升网络性能。与其他低成本的稠密立体深度估计方法相比，我们所提方法在 Scene Flow [1]、DrivingStereo [2] 与 KITTI-2015 数据集 [3] 上取得了最先进的性能。我们的代码将公开。
引用
@article{arxiv.2103.03922,
title = {ES-Net: An Efficient Stereo Matching Network},
author = {Zhengyu Huang and Theodore B. Norris and Panqu Wang},
journal= {arXiv preprint arXiv:2103.03922},
year = {2021}
}
备注
Submitted to IROS 2021