UWStereo: 大型合成 underwater 立体匹配数据集

尽管近期在立体匹配方面取得了进展，但向复杂的 underwater 环境扩展仍未探索，主要由于：1) underwater 图像的可见度降低、对比度低以及其他不利影响；2) 难以获取用于训练深度学习模型的 ground truth 数据，即在 underwater 环境中同时捕获图像并估计其对应的像素级深度信息。为推进 underwater 立体匹配的进一步发展，我们引入一个大型合成数据集，称为 UWStereo。该数据集包括 29,568 个 synthetic stereo 图像对，具备密集且准确的左视图 disparity 标注。我们设计了四个不同的 underwater 场景，包含多样化的对象，如珊瑚、船只和机器人。我们还在相机模型、照明和环境效应方面引入了额外的变异。与现有 underwater 数据集相比，UWStereo 在规模、变异性、标注和照片级图像质量方面均优于现有数据集。为证明 UWStereo 数据集的有效性，我们对比评估了九个最先进的算法作为基准。结果表明，当前模型仍难以在新域上泛化。因此，我们设计了一种新的策略，通过重建 cross domain masked 图像来学习，然后整合 cross view attention enhancement 模块以聚合远距离内容信息以增强泛化能力。