SegStereo是一种结合语义信息的视差估计方法，通过语义特征嵌入改善无监督和监督学习的视差预测，尤其在处理平坦区域的问题上。基本网络结构包括使用语义信息进行损失正则化，以解决局部视差模糊。在无监督模式下，通过重构损失和平滑损失训练模型；在监督模式下，额外引入了语义损失作为约束，提高视差图的准确性。
Segstereo （适合无监督学习和监督学习）
基础的视差估计网络能构很好的处理带有边界和角点等清晰的定位信息的图片，有无监督和监督的方法，但在平坦区域仍存在问题，使用语义信息来帮助预测和改善最终的视差图
方法： 通过semantic feature embedding结合语义信息改善视差估计（语义信息辅助预测），相对无监督方法，此模型应用warp重构光度图像和语义图像
Q：为什么用语义分割？
高级分类任务，图像中的每一个像素都分配一个类，
在视差估计中同时获取场景图像中的对象，以便可以利用稳定的结构信息
----------------------------------------------------------------------------------------------------------------------
基本网络结构：
最低0.47元/天 解锁文章
1202
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
