端到端网络

传统的立体匹配算法包括四个模块：特征提取模块，特征匹配和代价聚合模块，视差/深度估计模块，后处理/视差细化模块。

随着深度学习在图像分类、分割等领域获得巨大成功，基于深度学习的立体匹配方法也渐渐发展。总体来说可以分为非端到端的方法和端到端的方法。本文主要简要概括端到端的方法，端到端的方法通过CNN学习视差估计。主要分为两类：

• 早期将深度估计视为回归问题，深度图直接从输入回归，而没有明确匹配视图中的特征，比如DispNetS。
• 通过将问题分解为由可微块组成的阶段来模拟传统的立体匹配管道，从而允许端到端的训练。

下面列举端到端的立体匹配网络。

论文链接：

1. DispNet
2. DeepPruner
3. AANet
4. StereoNet
5. GA-Net
6. AnyNet
7. CRL
8. iResNet
9. GC-Net
10. PSMNet
11. StereoDRNet
12. AMNet
13. HSMNet
14. AcfNet
15. LEAStereo
16. CFNet
17. DSMNet