面向视差估计的低分辨率全匹配
计算机视觉与模式识别
2020-12-11 v1
摘要
本文提出了一种多阶段全匹配视差估计方案（MFM）。我们证明，逐步从低分辨率4D代价体直接解耦所有相似度分数，而非通过聚焦于迭代优化低分辨率4D代价体来估计低分辨率3D代价体，能够获得更精确的视差。为此，我们首先提出将全匹配任务分解为代价聚合模块的多个阶段。具体而言，我们将高分辨率预测结果分解为多组，新设计的代价聚合模块的每一阶段仅学习估计一组点的结果。这缓解了从一个阶段输出的单个低分辨率4D代价体学习所有候选相似度分数时的特征内部竞争问题。随后，我们提出“阶段互助”策略，利用多阶段间的关系提升各阶段的相似度分数估计，以解决串行多阶段框架导致的多阶段预测不平衡问题。实验结果表明，所提方法在Scene Flow、KITTI 2012和KITTI 2015数据集上取得了更精确的视差估计结果，并优于当前最先进的方法。
引用
@article{arxiv.2012.05586,
title = {Full Matching on Low Resolution for Disparity Estimation},
author = {Hong Zhang and Shenglun Chen and Zhihui Wang and Haojie Li and Wanli Ouyang},
journal= {arXiv preprint arXiv:2012.05586},
year = {2020}
}
备注
9pages,5 figures