TIDE：基于结构光系统中模式流的时间增量视差估计
计算机视觉与模式识别
2023-10-16 v1
摘要
我们介绍了时间增量视差估计网络（TIDE-Net），一种用于单目相机结构光系统中视差计算的基于学习的技术。在我们的硬件设置中，静态图案被投影到动态场景上并由单目相机捕获。与多数以往以逐帧方式运行的视差估计方法不同，我们的网络以时间增量方式获取视差图。具体而言，我们利用捕获图像序列上投影图案的形变（称为模式流）来建模时间信息。值得注意的是，这一新提出的模式流公式反映了沿对极线的视差变化，是光流的一种特殊形式。针对模式流，我们提出并实现了 TIDE-Net 这一循环架构。对于每一到来帧，我们的模型融合由模式流扭曲的互相关体（来自当前帧）与视差（来自前一帧）。从融合特征中，TIDE-Net 的最终阶段估计残差视差而非如许多先前方法所做的完整视差。有趣的是，该设计在效率与泛化能力上带来了明确的实证优势。仅使用合成数据训练，我们广泛的评估结果（关于精度与效率指标）显示其在未见过真实数据上优于若干 SOTA 模型。代码见 https://github.com/CodePointer/TIDENet。
引用
@article{arxiv.2310.08932,
title = {TIDE: Temporally Incremental Disparity Estimation via Pattern Flow in Structured Light System},
author = {Rukun Qiao and Hiroshi Kawasaki and Hongbin Zha},
journal= {arXiv preprint arXiv:2310.08932},
year = {2023}
}