【CVPR-2020】AANet：一种基于自适应融合的高效立体匹配网络 AANet：AANet: Adaptive Aggregation Network for Efficient Stereo Matching 【推荐理由】当前最流行的立体匹配方法大多使用代价高昂的3D卷积，在实际应用中十分受限。本文作者提出了一种基于稀疏点的尺度内匹配代价聚合方法，以缓解在视差不连续时常见的边缘变厚问题。此外，作者团队还对传统的跨尺度匹配代价融合算法向神经网络近似，以处理大块的弱纹理区域。通过组合两个简单、轻量、互补的模块，形成一个高效的匹配代价融合架构（比GC-Net快41倍、PSMNet快4倍、比GA-Net快38倍），并在Scene Flow和KITTI立体匹配数据集上取得了具有竞争力的结果。 【论文链接】Link 【补充材料链接】Link 【代码链接】https://github.com/haofeixu/aanet

内容中包含的图片若涉及版权问题，请及时与我们联系删除