A Survey on Deep Learning Architectures for Image-based Depth Reconstruction

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。