校正迭代视差用于立体匹配
计算机视觉与模式识别
2024-08-22 v4
摘要
不确定性辅助和迭代-based 方法在立体匹配中取得了很大的成功。然而，现有的不确定性估计方法以单张图像和对应的视差为输入，这对估计网络提出了更高的要求。本文提出了基于成本体积的视差不确定性估计 (UEC)。基于来自图像对的丰富相似性信息，所提出的 UEC 能够以较低的计算成本实现竞争性能。此外，本文提出两种不确定性辅助视差估计方法：基于不确定性的视差校正 (UDR) 和基于不确定性的视差更新条件 (UDC)。这两种方法无需增加额外参数地优化迭代方法的视差更新过程。此外，本文提出视差校正损失，显著提高少量视差更新的精度。我们提出了高性能立体架构 DR-Stereo，将所提方法组合而成。实验结果表明，DR-Stereo 在 SceneFlow、KITTI、Middlebury 2014 和 ETH3D 上实现了非常具竞争力的视差估计性能。
引用
@article{arxiv.2406.10943,
title = {Rectified Iterative Disparity for Stereo Matching},
author = {Weiqing Xiao and Wei Zhao},
journal= {arXiv preprint arXiv:2406.10943},
year = {2024}
}