面向非对称立体匹配的迭代体融合网络

立体匹配在三维计算机视觉中至关重要，大多数算法假设双目视觉之间具有对称的视觉特性。然而，非对称多相机系统（例如长焦-广角相机）的兴起挑战了这一假设，并使立体匹配复杂化。视觉不对称性通过影响关键的成本体计算来干扰立体匹配。为了解决这个问题，我们探索了非对称立体中两种已建立的成本体构建方法的匹配成本分布。我们发现每种成本体都经历了不同的信息失真，这表明应该综合利用两者来解决该问题。基于此，我们提出了用于非对称立体匹配的两阶段迭代体融合网络（IVF-AStereo）。首先，聚合的拼接体细化相关体。随后，融合两个体以增强细节。我们的方法在非对称场景中表现出色，并在面对显著的视觉不对称性时展现出鲁棒的性能。在基准数据集上进行的大量对比实验以及消融研究，证实了我们的方法在存在分辨率和颜色退化的非对称立体中的有效性。