ORStereo：面向 4K 分辨率图像的遮挡感知循环立体匹配

在小图像上训练的立体重建模型不能很好地泛化到高分辨率数据。在高分辨率图像尺寸上训练模型面临数据可用性的困难，并且常因计算资源有限而不可行。在本工作中，我们提出遮挡感知循环双目立体匹配（ORStereo），它仅通过在可用的低视差范围立体图像上训练来处理这些问题。ORStereo 通过将任务表述为对初始预测的残差更新与细化，泛化到具有大视差范围的未见过高分辨率图像。ORStereo 在视差范围限制为 256 像素的图像上训练，但能在有限 GPU 内存下处理超过 1000 视差的 4K 分辨率输入。我们在合成与真实世界高分辨率图像上测试了模型的能力。实验结果表明，与在大视差范围上训练的 SOTA 方法相比，ORStereo 在 4K 分辨率图像上取得了可比的性能。与仅在低分辨率图像上训练的其他方法相比，我们的方法在 4K 分辨率图像上准确率高出 70%。