用于立体匹配的移位卷积网络
计算机视觉与模式识别
2019-11-21 v1
摘要
本文提出移位卷积网络(ShiftConvNet)，为立体估计提供两个特征图之间的匹配能力。所提方法能从立体图像中快速生成高精度的视差图。提出称为移位卷积层的模块以替代传统的相关层，用于在两个特征图之间进行块比较。通过使用一种新颖的卷积网络架构来学习匹配过程，ShiftConvNet 能取得比 DispNet-C[1]更好的结果，且以 5 fps 的速度运行更快。此外，借助提出的自动移位卷积细化部分，获得了进一步提升。所提方法在 FlyingThings 3D 上进行了评估，在基准数据集上取得了最先进(state-of-the-art)的结果。代码将在 github 上公开。
引用
@article{arxiv.1911.08896,
title = {Shift Convolution Network for Stereo Matching},
author = {Jian Xie},
journal= {arXiv preprint arXiv:1911.08896},
year = {2019}
}