【CVPR-2018】金字塔立体匹配网络 Pyramid Stereo Matching Network 【推荐理由】这是一篇立体匹配领域中最具代表性的经典工作，代码已开源，具有很高的学习价值。本文将使用立体图像估计深度信息视为一个有监督的学习任务，即通过神经网络来达到这个任务目标。然而，当前基于图块匹配的孪生网络架构，缺少利用环境信息寻找不适定区域（遮挡区域，弱纹理区域等）的能力。本文提出了名为PSMNet的金字塔立体匹配网络，其主要由金字塔池化和3D卷积神经网络组成。金字塔池化模块通过聚合不同尺度和不同位置的环境信息构建匹配代价卷（cost volume）来充分利用全局环境信息。三维CNN通过将多个堆叠的沙漏网络与中间监督结合起来，去调整匹配代价卷。本文在KITTI2012和2015上面实现了最高精度。 【论文链接】https://arxiv.org/abs/1803.08669 【论文代码】https://github.com/saic-vul/fbrsinteractivesegmentation

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