学习视图内与跨视图几何知识以用于立体匹配
计算机视觉与模式识别
2024-03-07 v2
摘要
几何知识已被证明对立体匹配任务有益。然而，先前将几何见解整合到立体匹配算法中的尝试主要集中在来自单幅图像的几何知识上，而忽略了诸如遮挡和匹配唯一性等关键的跨视图因素。为了填补这一空白，我们提出了一种新颖的视图内与跨视图几何知识学习网络（ICGNet），专门用于吸收视图内和跨视图的几何知识。ICGNet 利用兴趣点的力量作为视图内几何理解的通道。同时，它利用这些点之间的对应关系来捕捉跨视图几何关系。这种双重整合使得所提出的 ICGNet 能够在其学习过程中利用视图内和跨视图的几何知识，从而大幅提高其估计视差的能力。我们的大量实验证明了 ICGNet 优于当代领先模型。
引用
@article{arxiv.2402.19270,
title = {Learning Intra-view and Cross-view Geometric Knowledge for Stereo Matching},
author = {Rui Gong and Weide Liu and Zaiwang Gu and Xulei Yang and Jun Cheng},
journal= {arXiv preprint arXiv:2402.19270},
year = {2024}
}
备注
Accepted to CVPR2024