立体匹配
文章平均质量分 86
深视
这个作者很懒,什么都没留下…
展开
-
基于深度学习的立体匹配相关论文总结
基于深度学习的立体匹配相关论文总结详细内容 发表时间:2017年3月13日 网络名称:GC-Net主体思想 作者构建了一个全新的端到端的网络用于生成立体图像的视差图,首先利用二维的卷积神经网络提取出原始图像的特征图,将每个视差下的特征图组合起来,得到一个四维的匹配代价卷。...原创 2019-08-21 12:45:37 · 835 阅读 · 1 评论 -
论文阅读笔记《Learning monocular depth estimation infusing traditional stereo knowledge》
网络名称:monoResMatch论文来源:CVPR2019核心思想 本文提出一种自监督实现单目深度估计的网络,其思路也非常简单,将单目深度估计转化成立体匹配问题,再用立体匹配网络进行视差估计。整个网络结构包含以下几个部分:初级特征提取网络,初级视差估计网络,视差优化网络。初级特征提取网络是由一个简单的沙漏型结构构成的,对左图提取高纬度的特征图FL0F^0_LFL0。初级视差估计网络则是一个带有跳跃连接的多尺度的沙漏型结构,输入左特征图FL0F^0_LFL0输出多尺度的左视差图dL0..2d^{原创 2020-05-19 10:09:15 · 1120 阅读 · 0 评论 -
论文阅读笔记《Pyramid Stereo Matching Network》
该论文提出的算法,在2018年4月14日前仍然是KITTI排行榜的首位,并且是开源的代码,有较高的学习价值。0.摘要最新的研究表明,利用一对立体图像来估算深度信息可以格式化为一个有监督的学习任务,进而通过卷积神经网络来解决。然而,当前基于图块匹配的Siamese网络的架构,缺少利用环境信息取寻找不适定区域(遮挡区域,弱纹理区域等)一致性的能力。为了解决这个问题,本文提出了PSMNet...翻译 2018-04-15 11:53:58 · 25218 阅读 · 51 评论 -
论文阅读笔记《End-to-End Learning of Geometry and Context for Deep Stereo 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,...翻译 2018-05-11 20:52:45 · 10409 阅读 · 3 评论 -
论文阅读笔记《Cascade Residual Learning A Two-stage Convolutional Neural Network for Stereo Matching》
摘要 利用卷积神经网络的最新进展,从一对立体图像中匹配稠密的对应关系可转化为一个学习问题,其表现要优于其他的传统方法。然而,在一些病态区域生成高质量的视差图时依旧存在很多问题。为了解决这个问题,我们提出了一种新型的两级CNN结构。第一级是在DispNet网络的基础上增加额外的上卷积模块(up-convolution modules),以获得保留更多细节的视差图。第二级是对第一级初始化的视差图...翻译 2018-05-15 20:54:19 · 2536 阅读 · 0 评论 -
论文阅读笔记《Learning for Disparity Estimation through Feature Constancy》
0. 摘要 立体匹配算法通常由四个部分组成,包括:匹配代价计算,代价聚合,视差计算和视差优化。现有的基于CNN 的方法知识采用CNN解决了这四步中的一部分,或者使用不同的网络处理不同的步骤,使得它们很难获得整体的最优化结果。在这篇文章中,我们提出了一种网络结构将立体匹配的所有步骤结合起来。这个网络由三部分构成。第一部分计算多尺度下的共享特征(即从左右两幅图中按共享权值的方法提取特征)。第二部...翻译 2018-05-23 17:51:41 · 3990 阅读 · 4 评论 -
论文阅读笔记《Left-Right Comparative Recurrent Model for Stereo Matching》
0. 摘要 利用左右两个视角的视差信息是立体视差估计中至关重要的一步,左右一致性检测利用另一幅图像的信息能有效的提高视差估计效果。但传统的左右一致性检测是孤立的后处理步骤,并且是人工设计的。本篇论文提出一种新型的左右对比重复模型,将左右一致性检测与视差估计结合起来。在每个重复的步骤中,模型都生成左右两幅视差图,然后采用在线的左右对比来确定那些可能包含错误标签像素的误匹配区域。引入了一个柔性的...翻译 2018-05-25 17:16:45 · 2197 阅读 · 1 评论 -
论文阅读笔记《EdgeStereo:A Context Integrated Residual Pyramid Network for Stereo Matching》
0.摘要 近期,卷积神经网络极大地推动了立体匹配的发展。尤其是那些端到端地立体匹配方法达到非常好地效果。然而,很少有人关注编码环境信息,简化两级学习流程和改善视差图细节等方面。不同的是,本文关注了这些问题。首先,我们提出一个基于残差金字塔网络(CP-RPN)的单级环境金字塔网络用于视差估计,其中嵌入了一个环境金字塔结构用于准确地编码多尺度的环境线索。接下来,我们设计了一个基于多任务学习的CN...翻译 2018-07-10 09:52:00 · 2560 阅读 · 0 评论 -
论文阅读笔记《Stereo Matching Using Conditional Adversarial Networks》
0. 摘要 近期,对抗神经网络由于其在生产任务中颇具前景的表现而受到了越来越多的关注。在这篇文章中,我们首次将条件对抗神经网络应用于立体匹配任务。我们的方法是将条件对抗训练方法作用在两个网络上:一个生成器,从一对RGB图像中生成视差图;另一个是区分器,区分视差图是来自于真实视差图还是生成器。生成器和区分器都把相同的RGB图像作为输入条件。在条件对抗训练过程中,我们的区分器通常捕捉高层次的环境...翻译 2018-08-02 15:33:53 · 686 阅读 · 0 评论 -
论文阅读笔记《End-to-End Disparity Estimation with Multi-granularity Fully Convolutional Network》
0. 摘要&esmp;&esmp;视差估计是机器视觉领域中一个具有挑战性的任务。在这篇论文中,我们提出一个多粒度的全卷积网络结构用于端到端的视差估计。首先,我们使用一个训练好的残差网络用于提取多粒度和多层级的特征。然后,对三个不同粒度的特征图使用correlation层,来获得左右特征图之间的分层匹配信息。第三步,我们采用级联的反卷积操作输出视差图。1. 介绍...翻译 2018-08-03 19:02:54 · 706 阅读 · 0 评论 -
论文阅读笔记《SegStereo: Exploiting Semantic Information for Disparity Estimation》
0.摘要 双目立体图像的深度估计具有很广泛的应用前景。传统算法在特征不明显的区域表现较差,这一问题可以利用高层次的信息来解决,例如语义分割。在这篇文章中,我们发现将语义信息结合起来能够有效的改善视差估计结果。我们的将语义特征嵌入特征图中,并将规则化的语义信息作为损失项来改善视差学习效果。我们的模型SegStereo使用了分割后的语义信息,并引入了语义Softmax损失,这有助于提高视差图的预...翻译 2018-08-27 16:10:03 · 3552 阅读 · 9 评论