面向任意分辨率立体的神经视差精化
计算机视觉与模式识别
2021-11-01 v1
摘要
我们引入了一种新颖的神经视差精化架构，旨在促进3D计算机视觉在廉价且普及的消费设备（如手机）上的部署。我们的方法依赖于连续公式，能够估计任意输出分辨率下的精化视差图。因此，它可以有效处理当今手机典型的不平衡相机设置，这些手机在同一设备中同时配备高分辨率和低分辨率RGB传感器。此外，我们的神经网络可以无缝处理各种立体方法的输出，并通过精化传统匹配算法（如SGM）计算的视差图，与最先进的端到端立体模型相比，实现了无与伦比的零样本泛化性能。
引用
@article{arxiv.2110.15367,
title = {Neural Disparity Refinement for Arbitrary Resolution Stereo},
author = {Filippo Aleotti and Fabio Tosi and Pierluigi Zama Ramirez and Matteo Poggi and Samuele Salti and Stefano Mattoccia and Luigi Di Stefano},
journal= {arXiv preprint arXiv:2110.15367},
year = {2021}
}
备注
3DV 2021 Oral paper. Project page: https://cvlab-unibo.github.io/neural-disparity-refinement-web