A Survey on Deep Learning Architectures for Image-based Depth Reconstruction
主要介绍了深度学习领域估计深度图的方法的总结,从量上看,参看了进5年的100多篇文章,包括网络介绍,和训练的介绍.并提出来建议.
网络介绍:参照“A taxonomy and evaluationof dense two-frame stereo correspondence algorithms,总结的计算深度的步骤总结:代价计算,代价聚合,视差和深度的估计,视差精华.
DPI:见
http://www.cse.psu.edu/~rtc12/CSE486/lecture09.pdf
主要讲了DPI的概念以及利用DPI将视差匹配的优化问题转化成了DP问题,并对遮挡效果有了提高
代价计算:
代价的描述,NCC,SSD
代价聚合
主要在局部算法中,相邻像素之际代价的处理
代价估计
主要在全局算法中,提出全局能量函数
视差精华
亚像素级别的精华
主要方法
全局:置信传播,graph cut
局部:DP
基于图像几何的约束
极线约束
唯一性约束
几何相似性约束:是指分割边长度以及其方向的相似性。(基于特征的匹配算法的核心)
光度相容性约束
基于场景的约束
视差连续性约束:处图像中物体边缘外,视差在图像中几乎所有地方变化缓慢。(图像扫描优化算法是在该约束条件下的基于动态规划的匹配算法)
形状连续性约束,特征相容性约束:这是视差连续性约束的一个版本,但只适用于边缘上的点。
顺序约束:关心对应图像点的顺序。