Paper reading —— End-to-End Learning of Geometry and Context for Deep Stereo Regression(GC-Net )

ICCV2017

Skydio研究院

 

立体匹配方面的

在这篇paper中提出disparity regression

本文使用了3D卷积的概念去获得更多的上下文信息，并采用回归的方法去预测视差值，不再使用传统的成本聚合，视差计算，视差优化的方法，利用一个端到端的网络直接生成最终的视差图。这一思路无疑比传统的图块匹配的方法更加先进，而且不用再给图块设置标签，直接将预测结果与真实视差图进行比对，再将误差反向传播即可，后来的许多网络都采用了这一思路。该算法当时也在KITTI 排行榜中排名第一，2018年5月11日，KITTI2015排名为16

 

 

https://blog.csdn.net/qq_36104364/article/details/80277824

https://blog.csdn.net/lvhao92/article/details/72627386#reply