金字塔立体匹配网络
计算机视觉与模式识别
2018-03-26 v1
摘要
近期的工作表明，来自立体图像对的深度估计可以被表述为一个有监督学习任务，并通过卷积神经网络（CNN）来解决。然而，当前的架构依赖于基于图块的 Siamese 网络，缺乏利用上下文信息在病态区域中寻找对应关系的手段。为了解决这个问题，我们提出了 PSMNet，一个由两个主要模块组成的金字塔立体匹配网络：空间金字塔池化和 3D CNN。空间金字塔池化模块通过聚合不同尺度和位置的上下文以形成代价卷，从而利用全局上下文信息的能力。3D CNN 学习结合中间监督，使用堆叠的多个沙漏网络来对代价卷进行正则化。所提出的方法在几个基准数据集上进行了评估。在 2018 年 3 月 18 日之前，我们的方法在 KITTI 2012 和 2015 排行榜上排名第一。PSMNet 的代码可在：https://github.com/JiaRenChang/PSMNet 获取。
引用
@article{arxiv.1803.08669,
title = {Pyramid Stereo Matching Network},
author = {Jia-Ren Chang and Yong-Sheng Chen},
journal= {arXiv preprint arXiv:1803.08669},
year = {2018}
}
备注
CVPR 2018