面向立体匹配的自适应置信度估计

由于利用该线索的应用日益增多，估计由立体算法推断的视差图置信度在近年来已成为一项非常重要的任务。尽管自监督学习近来已遍及众多计算机视觉任务，但在置信度估计领域却鲜有考虑。本文中，我们提出了一种灵活且轻量的解决方案，可实现与立体算法或网络无关的自适应置信度估计。我们的方法依赖于任何立体设置中可用的最小信息（即输入立体图像对与输出视差图）来学习有效的置信度度量。该策略不仅使我们能与任何立体系统无缝集成（包括配备未公开立体感知方法的消费级与工业级设备），而且凭借其自适应能力，可实现在实地开箱即用的部署。基于不同标准数据集的详尽实验结果支持了我们的主张，表明我们的方案是首个能够为任何立体系统实现精确置信度估计在线学习且无需最终用户任何要求的方案。