基于误差预测的超高分辨率遥感影像无监督立体匹配网络
计算机视觉与模式识别
2024-08-15 v1
摘要
遥感领域的立体匹配近来受到越来越多的关注，主要集中于监督学习方法。然而，由机载激光雷达生成的真值数据集在数量和多样性上有限，限制了监督网络的效能。相比之下，无监督学习方法可以利用日益丰富的超高分辨率（VHR）遥感影像，在立体匹配领域展现出巨大潜力。基于这一思路，我们提出了一种新颖的用于 VHR 遥感影像的无监督立体匹配网络。我们引入了一个轻量级模块来桥接置信度与预测误差，以优化核心模型。我们构建了稳健的无监督损失函数以增强网络收敛性。在 US3D 和 WHU-Stereo 数据集上的实验结果表明，所提出的网络相比其他无监督网络具有更高的精度，并且比监督模型具有更好的泛化能力。我们的代码将在 https://github.com/Elenairene/CBEM 提供。
关键词
引用
@article{arxiv.2408.07419,
title = {Unsupervised Stereo Matching Network For VHR Remote Sensing Images Based On Error Prediction},
author = {Liting Jiang and Yuming Xiang and Feng Wang and Hongjian You},
journal= {arXiv preprint arXiv:2408.07419},
year = {2024}
}
备注
Accepted to International Geoscience and Remote Sensing Symposium (IGARSS), 2024