SIDE论文阅读笔记

直观感受是相当于Stereo R-CNN和IDA-3D的结合体

相较于IDA-3D，将深度估计部分串行在ROI Align之后而不是与其并行，个人认为这是比较合理的，因为这样一来Cost Volume可以与其他分支同时充分利用双目图像隐含的视差信息。此外，本文对于Cost Volume的应用也更加的简洁，即利用注意力机制处理，最后直接回归深度信息。

相较于Stereo R-CNN，保持了其大部分的结构。除加入Cost Volume外保持了基本的回归分支，尤其是关键点回归分支，也就是说仍然是利用方程非线性优化处理。甚至连密集对齐模块也没有舍弃，不过仍针对实际情况优化了一下。