ResFPN：多分辨率特征金字塔网络中的残差跳跃连接用于精确稠密像素匹配
计算机视觉与模式识别
2020-06-23 v1
摘要
稠密像素匹配是许多计算机视觉算法（如视差、光流或场景流估计）所必需的。特征金字塔网络（FPN）已被证明是基于 CNN 的稠密匹配任务的合适特征提取器。FPN 在多个尺度上生成定位良好且语义强的特征。然而，通用 FPN 由于其合理但有限的定位精度，并未发挥其全部潜力。因此，我们提出 ResFPN——一种具有多个残差跳跃连接的多分辨率特征金字塔网络，在任何尺度上，我们都利用来自更高分辨率图的信息以获得更强且定位更好的特征。在我们的消融研究中，我们证明了这一新颖架构的有效性，其精度明显高于 FPN。此外，我们在 KITTI、Sintel 和 FlyingThings3D 等成熟数据集上的多种不同像素匹配应用中验证了 ResFPN 的优越精度。
引用
@article{arxiv.2006.12235,
title = {ResFPN: Residual Skip Connections in Multi-Resolution Feature Pyramid Networks for Accurate Dense Pixel Matching},
author = {Rishav and René Schuster and Ramy Battrawy and Oliver Wasenmüller and Didier Stricker},
journal= {arXiv preprint arXiv:2006.12235},
year = {2020}
}
备注
Accepted at ICPR 2020