用于立体匹配的多尺度跨形态金字塔网络
计算机视觉与模式识别
2019-06-05 v3
摘要
立体匹配在自动驾驶、机器人与 3D 场景重建中起着不可或缺的作用。我们提出了一种新颖的深度学习架构，称为 CFP-Net，一种用于从经过校正的立体图像对中回归视差的跨形态金字塔（Cross-Form Pyramid）立体匹配网络。该网络由三个模块组成：多尺度 2D 局部特征提取模块、跨形态空间金字塔模块以及多尺度 3D 特征匹配与融合模块。多尺度 2D 局部特征提取模块能够提取充足的多尺度特征。跨形态空间金字塔模块在不同尺度与位置聚合上下文信息以形成代价体（cost volume），并且被证明在病态区域比 SPP 与 ASPP 更有效。多尺度 3D 特征匹配与融合模块被证明可利用具有两种不同感受野的并行 3D 反卷积结构对代价体进行正则化。我们所提方法已在 Scene Flow 与 KITTI 数据集上评估，在 KITTI 2012 与 2015 基准上取得了最先进的性能。
引用
@article{arxiv.1904.11309,
title = {Multi-scale Cross-form Pyramid Network for Stereo Matching},
author = {Zhidong Zhu and Mingyi He and Yuchao Dai and Zhibo Rao and Bo Li},
journal= {arXiv preprint arXiv:1904.11309},
year = {2019}
}
备注
Accepted by ICIEA2019