深度学习时代立体匹配的置信度：一项定量评估

立体匹配是通过在两幅同步且校正过的图像上寻找匹配像素间的视差来估计稠密深度图最流行的技术之一。随着更准确算法的发展，研究界聚焦于寻找良好策略以估计所估计视差图的可靠性，即置信度。该信息被证明是一个强有力的线索，既可朴素地发现错误匹配，也可依据不同策略提升各类立体算法的整体有效性。本文中，我们回顾立体匹配置信度估计领域十余年的进展。我们广泛讨论并评估现有的置信度度量及其变体，从手工设计的方法到最新的、最先进（SOTA）的基于学习的方案。我们研究了每种度量在应用于一组不同立体算法时的不同表现，并首次在文献中将其与最先进的深度立体网络配对。我们在五个不同标准数据集上开展的实验提供了该领域的全面概览，特别突出了基于学习策略的优势与局限。