MobileStereoNet：面向立体匹配的轻量级深度网络
计算机视觉与模式识别
2021-08-24 v1
摘要
近期立体匹配方法借助深度模型不断提升精度。然而，这一增益伴随着计算成本的大幅增加，以至于网络甚至无法装入中等规模的 GPU。当模型需要部署在资源受限设备上时，该问题带来了挑战。为此，我们提出了两种复杂度降低且不牺牲精度的立体视觉轻量模型。依据代价体的维度，我们分别设计了由 2D 和 3D 卷积构建编解码器的 2D 与 3D 模型。为此，我们利用 2D MobileNet 模块并将其扩展至 3D 以用于立体视觉应用。此外，提出了一种新的代价体以提升 2D 模型的精度，使其性能接近 3D 网络。实验表明，所提出的 2D/3D 网络有效降低了计算开销（2D 和 3D 模型的参数量和运算量分别减少 27%/95% 和 72%/38%），同时保持了精度。我们的代码可在 https://github.com/cogsys-tuebingen/mobilestereonet 获取。
引用
@article{arxiv.2108.09770,
title = {MobileStereoNet: Towards Lightweight Deep Networks for Stereo Matching},
author = {Faranak Shamsafar and Samuel Woerz and Rafia Rahim and Andreas Zell},
journal= {arXiv preprint arXiv:2108.09770},
year = {2021}
}
备注
Under review. Further figures and tables in the appendix. Code provided