Imperfactions-CSDN博客

原创【论文学习笔记-16】立体匹配：360SD-net

【论文学习笔记-16】立体匹配：360SD-net 本文利用两张360°摄像机获得的球形图片进行立体匹配，与双目立体匹配相同的，需要解决的问题是在两张图片上获取对应点的位置差，之后通过几何原理获取该点在现实世界的深度

2021-08-27 21:36:31 335

原创【论文学习笔记-15】MADNet：自适应实时立体匹配网络（CVPR2019 ORAL）

MADNet：自适应实时立体匹配网络（CVPR2019 ORAL）网络结构自适应模型

2021-08-27 21:33:37 1245

原创【论文学习笔记-14】Bilateral Grid Learning for Stereo Matching Networks

【立体匹配专题文献-13】Bilateral Grid Learning for Stereo Matching NetworksMain ContributionMethodCost AggregationExperimentCodeMain Contribution提出了一个基于双边网格的保边的cost volume上采样，主要的计算在低分辨率下进行，可以保持高速度，同时精度高。Method关键模块是Cost volume Upsampling in Bilateral Grid（CUBG）mo

2021-08-27 21:31:08 557

原创【论文学习笔记-13】GwcNet：Group-wise Correlation Stereo Network（2019CVPR）

【立体匹配专题文献-5】GwcNet：Group-wise Correlation Stereo Network（2019CVPR）本文提出了简单但高效的group-wise correlation方法。首先提取多层次的特征并叠加，获取高位的特征表示fl,fr。然后特征被分为若干组，然后对应组之间进行互相关操作，获得group-wise correlation maps，最后correlation maps打包形成最后的4D Cost Volume。多重matching cost计算能减少信息的损失。

2021-08-17 10:51:55 1596

原创【论文学习笔记-12】A Decomposition Model For Stereo Matching（2021 CVPR）

【立体匹配专题文献-6】A Decomposition Model For Stereo Matching（2021 CVPR）本文提出了在分辨率提高的同时控制计算量的一种立体匹配算法。

2021-08-17 10:50:13 466 1

原创【论文学习笔记-10】ActiveStereoNet（Google ECCV2018）主动式双目相机自监督学习立体匹配网络

ActiveStereoNet（Google ECCV2018）针对双目立体匹配中无监督存在着大量无纹理区域难匹配的问题，本文提出了采用主动式双目相机进行立体匹配的解决方案，本文数据集采用的是Inter Realsense D435 cemera采集,包含了双目相机和红外发射器(IR projector)用于对场景发射红外纹理以提高双目匹配精确度，但是由于采集的数据集缺乏如其它数据集一般的groundtruth，因此本文提出了一种通过双目自监督学习进行立体匹配训练的方法。

2021-08-17 10:47:01 665

原创【论文学习笔记-11】StereoNet（Google ECCV）

【立体匹配专题文献-10】StereoNet（Google ECCV）)又一篇快速立体匹配文章。Contribution①证明了基于神经网络的亚像素级别匹配的精度比传统方法高一个数量级②通过一个低分辨率的costvolume就可以达到高精度的亚像素级别匹配精度③说明了之前的方法使用的costvolume的参数冗余了，通过本文的方法可以显著降低运算时间和存储空间，代价的很小的精度损失。

2021-08-17 10:46:38 743

原创【论文学习笔记-9】ACFNet：Adaptive Unimodal Cost Volume Filtering for Deep Stereo Matching（2020AAAI）

ACFNet：Adaptive Unimodal Cost Volume Filtering for Deep Stereo Matching立体匹配算法一般包括四个部分：代价计算，代价聚合，视差计算，视差优化。其中代价计算部分经常会计算出一个Cost Volume，而现有的SOTA算法一般会通过argmin或者soft argmin来计算出整数/亚像素级别的视差，这些算法通过设计端到端网络，获取一个完全可微的模型，并让网络直接除数视差图，使用smooth L1 loss直接进行端到端训练。

2021-07-29 15:11:00 399

原创【论文学习笔记-8】AANet：Adaptive Aggregation Network for efficient stereo matching（CVPR2020）

AANet：Adaptive Aggregation Network for efficient stereo matching（CVPR2020）本文提出了用尺度内成本聚合(intra-scale cost aggregation method)和尺度间成本聚合层(cross-scale cost aggregation algorithm)来完全替代常被使用的3D卷积层从而大大提高立体匹配算法的速度并保持有竞争力的准确度。在高速立体匹配算法领域(如Stereo-Net)达到了最好的表现。

2021-07-29 15:10:10 916 1

原创【论文学习笔记-7】Bi3D:Stereo Depth Estimation via Binary Classification（CVPR2020）

Bi3D:Stereo Depth Estimation via Binary Classification（CVPR2020）该论文提出了Bi3D，通过一系列二元分类来进行深度估计。与已经存在的方法不同，本方法不是直接检测物体是否存在于一个特定的深度D，而是将物体分类为比D近/比D远。这种方法坚固了准确率和延迟，能够在很快速度的条件下检测比一个给定的距离更近的物体，或通过任意粗量化方法进行深度估计，同时只消耗与量化等级线性的复杂度。同时Bi3D也能通过给定的量化等级获得连续的深度。

2021-07-29 15:08:45 911

原创【论文学习笔记-6】立体匹配：MGM（More global matching）和R3SGM（Real-time Raster-Respecting global matching）

【论文学习笔记-14】立体匹配：MGM（More global matching）和R3SGM（Real-time Raster-Respecting global matching）MGM提出了MGM来改进SGM，提高结果的精确度，能够消除SGM算法中存在的Streaking Effect问题。R3SGM改进了SGM，更改了动态规划过程，使matching过程更加硬件亲和，提高速度，同时略微下降了准确率。

2021-07-29 14:11:01 1106

原创【论文学习笔记-5】立体匹配之MC-CNN

立体匹配之MC-CNN Cross-based cost aggregation十字架聚合法,对costvolume中每个像素进行上下左右四个方向的十字架延伸，各方向延伸长度由如下两个因素控制：①当十字架中心像素和待延伸像素的pixel intensity的绝对值差小于阈值；②当两像素点的空间距离小于阈值。以上两点同时满足时进行延伸

2021-07-29 14:08:19 1197

原创立体匹配算法的学习

立体匹配算法的学习难点分类立体匹配流程Mc-CNN流程DataSets难点颜色/亮度在不同区域和光照/阴影条件下可能有差异或噪声。同时可能有区域发光为立体匹配增加难度其他难点：倾斜面，透视变形，弱纹理区域，重复纹理，透明物体，遮挡和深度不连续的区域。分类局部方法（non－local）：局部滤波（Box filter，Bilateral Filter，Guidedfilter），minimum spanning tree（MST），Full image filter半全局算法：semi

2021-07-27 12:25:36 447

原创【论文学习笔记-4】Bi-DenseNet

【论文学习笔记-4】Bi-DenseNet（Jun,2019）本文遍历了之前的低比特网络方案及二值网络方案的关键技术，发现传统方法——诸如尺度因子等——并非达到SOTA表现的必须技术，而**达到二值网络精度仅仅只需要保持网络中的丰富信息流**。本文增加了网络中的ShortCut连接，设计了一个新的网络Bi-DenseNet，采用标准训练策略达到了SOTA表现。

2021-07-26 15:13:32 210

原创【论文学习笔记-3】ABC Net（Accurate Binary Convolutional Neural Network）

【论文学习笔记-3】ABC Net（Accurate Binary Convolutional Neural Network）核心思想：用多个二值矩阵的基通过线性组合来达成对全精度Weight及Activation的最佳逼近。

2021-07-26 13:27:26 314

原创【论文学习笔记-2】高分辨率3D深度重建

【论文学习笔记-2】 3D深度重建应用场景广泛：桥，电缆etc高分辨率图像的特点：像素多，potential disparity的范围很大（对应着计算量很大）基于图像的重建时，图像中可能有纹理缺乏、表面倾斜、照明不足等情况，这会导致在这些区域出现重建失败或产生稀疏的视察预测问题。深度学习方法比非学习方法在重建的表现上更好，但是会受到数据集和计算硬件的约束。模型non-learning mothod guided by learning-based model

2021-07-26 13:23:07 600

原创【论文学习笔记-1】XNOR-net

【论文学习笔记-1】XNOR-Net文章中提出了两种二值化网络，分别是Binary-Weight-Networks和XNOR-Networks。Binary-Weight-Networks对模型中的权重W进行二值化操作，即要么是1要么是-1。其中更新参数时依然采用原参数W进行更新。XNOR-Networks通过对权重W和输入I都进行二值化操作，同时降低空间和实践复杂度

2021-07-26 13:19:30 852

Imperfactions的博客