学习型协同立体匹配细化

在本工作中，我们提出一种基于学习的方法来对给定立体匹配方法的视差图进行去噪与细化。所提出的变分网络自然源于将邻近梯度法的迭代展开，应用于在联合视差、颜色与置信度图像空间中定义的变分能量。我们的方法允许学习一种鲁棒的协同正则化器，以利用彩色图像、置信度图与视差图的联合统计。由于方法的变分结构，各个步骤可被轻松可视化，从而实现方法的可解释性。因此我们能够提供关于方法如何细化与去噪视差图的有趣见解。我们方法的有效性由公开可用的立体匹配基准 Middlebury 2014 与 Kitti 2015 所证明。