R$^3$SGM：面向功耗受限系统的实时栅格保持半全局匹配
图像与视频处理
2019-08-09 v1 计算机视觉与模式识别
摘要
立体深度估计用于许多计算机视觉应用。尽管许多流行方法仅追求深度质量，但对于实时移动应用（例如 prosthetic glasses 或微型无人机），速度与功耗效率同样重要，甚至更为重要。许多现实系统依赖半全局匹配（SGM）以实现精度与速度的良好平衡，但传统硬件难以实现功耗效率，使得 FPGA 等嵌入式器件对低功耗应用颇具吸引力。然而，完整 SGM 算法不适合部署于 FPGA，因此其大多数 FPGA 变体都是局部的，并以精度为代价。在非 FPGA 背景下，SGM 的精度已通过 More Global Matching（MGM）得到改进，后者也有助于解决困扰 SGM 的条纹伪影。在本文中，我们提出了一种新颖的、资源高效的方法，其受 MGM 改善深度质量技术的启发，但可被实现以在低功耗 FPGA 上实时运行。通过在多个数据集（KITTI 与 Middlebury）上的评估，我们表明相较于其他具备实时能力的立体方法，我们能够达成精度、功耗效率与速度间的 SOTA 平衡，使我们的方法在有限功耗的实时系统中极受青睐。
引用
@article{arxiv.1810.12988,
title = {R$^3$SGM: Real-time Raster-Respecting Semi-Global Matching for Power-Constrained Systems},
author = {Oscar Rahnama and Tommaso Cavallari and Stuart Golodetz and Simon Walker and Philip H. S. Torr},
journal= {arXiv preprint arXiv:1810.12988},
year = {2019}
}
备注
Accepted in FPT 2018 as Oral presentation, 8 pages, 6 figures, 4 tables