深度立体匹配中的开放挑战：Booster数据集
计算机视觉与模式识别
2022-06-10 v1
摘要
我们提出一个新颖的高分辨率且具有挑战性的立体数据集，其框定室内场景并标注了稠密且准确的视差真值。我们数据集的特殊之处在于存在若干镜面与透明表面，即最先进立体网络失败的主因。我们的采集流程利用一种新颖的深度时空立体框架，可实现亚像素精度的简便准确标注。我们发布总计419个样本，采集自64个不同场景并标注稠密视差真值。每个样本包含高分辨率对（12 Mpx）以及非平衡对（左：12 Mpx，右：1.1 Mpx）。此外，我们提供手动标注的材质分割掩码与15K未标注样本。我们基于该数据集评估最先进的深度网络，凸显其在应对立体匹配开放挑战上的局限，并为未来研究提供启示。
引用
@article{arxiv.2206.04671,
title = {Open Challenges in Deep Stereo: the Booster Dataset},
author = {Pierluigi Zama Ramirez and Fabio Tosi and Matteo Poggi and Samuele Salti and Stefano Mattoccia and Luigi Di Stefano},
journal= {arXiv preprint arXiv:2206.04671},
year = {2022}
}
备注
CVPR 2022, New Orleans. Project page: https://cvlab-unibo.github.io/booster-web/