SegStereo：利用语义信息估计视差
计算机视觉与模式识别
2018-08-01 v1
摘要
双目立体图像的视差估计有着广泛的应用。传统算法在无特征区域可能失效，而此类区域可通过语义分割等高层线索进行处理。本文提出，恰当地引入语义线索可大幅修正常用视差估计框架中的预测结果。我们的方法执行语义特征嵌入，并将语义线索正则化为损失项以改进视差学习。我们提出的统一模型 SegStereo 利用分割得到的语义特征并引入语义 softmax 损失，有助于提升视差图的预测精度。该语义线索在无监督与有监督两种方式下均表现良好。SegStereo 在 KITTI Stereo 基准上取得了当前最优（state-of-the-art）结果，并在 CityScapes 与 FlyingThings3D 数据集上给出了良好的预测。
引用
@article{arxiv.1807.11699,
title = {SegStereo: Exploiting Semantic Information for Disparity Estimation},
author = {Guorun Yang and Hengshuang Zhao and Jianping Shi and Zhidong Deng and Jiaya Jia},
journal= {arXiv preprint arXiv:1807.11699},
year = {2018}
}
备注
Accepted to ECCV 2018