从卫星影像学习用于数字表面模型的稠密立体匹配
计算机视觉与模式识别
2018-12-13 v2
摘要
从卫星影像生成数字表面模型是一项困难的任务，在很大程度上被深度学习界所忽视。为包括自动驾驶汽车在内的地面系统开发的立体重建技术并不能很好地迁移到卫星影像上，因为影像对差异很大。在这项工作中，我们提出了专为数字表面模型生成设计的神经网络、一种最大化可用硬件使用的真值标注与训练方案，并给出了与现有方法的比较。所得模型平滑、保持边界并支持进一步处理。这代表了在该领域利用深度学习的首批尝试之一。
引用
@article{arxiv.1811.03535,
title = {Learning Dense Stereo Matching for Digital Surface Models from Satellite Imagery},
author = {Wayne Treible and Scott Sorensen and Andrew D. Gilliam and Chandra Kambhamettu and Joseph L. Mundy},
journal= {arXiv preprint arXiv:1811.03535},
year = {2018}
}