利用卷积神经网络看向更广区域以匹配图像块
计算机视觉与模式识别
2017-09-20 v1
摘要
当人类匹配两幅图像时，观察者会自然地倾向于查看目标像素周围的大片区域，以获取正确对应的线索。然而，设计一个以同样方式在大窗口上工作的匹配代价函数十分困难。代价函数通常不够智能，无法丢弃与目标像素无关的信息，从而导致不理想的伪影。在本文中，我们提出了一种学习具有大窗口尺寸的立体匹配代价的新方法。与带有步长的传统池化层不同，所提出的逐像素金字塔池化层能够在不损失分辨率和细节的情况下覆盖大面积区域。因此，学习到的匹配代价函数能够成功利用来自大面积区域的信息，而不会引入膨胀效应。所提方法在弱纹理、深度不连续性、光照和曝光差异存在的情况下依然具有鲁棒性。所提方法在 Middlebury 基准测试上取得了接近峰值的性能。
引用
@article{arxiv.1709.06248,
title = {Look Wider to Match Image Patches with Convolutional Neural Networks},
author = {Haesol Park and Kyoung Mu Lee},
journal= {arXiv preprint arXiv:1709.06248},
year = {2017}
}
备注
published in SPL