学习用于人体宽基线稠密立体匹配
计算机视觉与模式识别
2019-10-04 v1
摘要
现有的立体方法处理窄基线图像对，在宽基线视角间性能有限。本文提出一个从宽基线图像对学习并估计人体稠密立体的框架。我们引入一个合成人体立体块数据集（S2P2）来学习人体的宽基线稠密立体匹配。所提框架不仅从合成数据学习人体特定特征，还利用池化层和数据增强以适应真实数据。该网络从所提数据集的人体特定立体块学习用于宽基线立体估计。除块匹配学习外，框架中引入立体约束以解决人体的宽基线立体重建。与最先进（SOTA）方法的定量与定性性能评估表明，在具有挑战性的数据集上所提方法改善了宽基线立体重建。我们表明，可以从合成人体数据集学习立体匹配，并提升在真实数据集上从窄基线与宽基线立体数据对人体进行立体重建的性能。
引用
@article{arxiv.1910.01241,
title = {Learning Dense Wide Baseline Stereo Matching for People},
author = {Akin Caliskan and Armin Mustafa and Evren Imre and Adrian Hilton},
journal= {arXiv preprint arXiv:1910.01241},
year = {2019}
}
备注
To appear in 3D Reconstruction in the Wild Workshop, ICCV 2019