立体匹配
文章平均质量分 85
www.flybird.xyz
这个作者很懒,什么都没留下…
展开
-
双目立体视觉论文阅读(1)STTR
STTR——《Revisiting Stereo Depth Estimation From a Sequence-to-Sequence Perspective with Transformers》 论文链接: STTR 代码链接: STTR 本文从Seq2Seq的角度重新审视了深度估计问题,使用位置信息和注意力将cost volume construction替换为密集的像素匹配。表现SOTA!性能优于Bi3D、GwcNet和LEAStereo网络,代码刚刚开源! 一.本文创新点: 1. 放宽了固定视原创 2021-04-07 11:30:22 · 1417 阅读 · 1 评论 -
论文阅读笔记——DispSegNet: Leveraging Semantics for End-to-End Learning of Disparity Estimation from Stereo
写在前面: 这篇文章,思路和Segstereo类似,也是利用语义信息,只是通过分割的方式,其中视差估计和语义分割两个任务高度耦合。DispSegNet采用两步细化过程:开始初始化的视差被语义分割网络细化,模型是无监督训练得到,其中立体图像对通过变换计算光度误差。 以下是其结构图:整个过程包括: (a) 矫正过的立体图像. (b) 提取特征. (c)把对应特征串联在一起构成成本容积....原创 2019-12-16 17:37:40 · 747 阅读 · 0 评论 -
论文阅读笔记——DeepPruner: Learning Efficient Stereo Matching via Differentiable PatchMatch
这篇文章,是2019年新的ICCV的papper,文章典型的使用了PatchMatch的思路,使得最后的速度快了很多。主要思路是:首先利用一种新颖的可微Patch Match算法来获得稀疏的cost volume。 然后,我们利用此表示来了解每个像素的修剪范围,自适应地修剪了每个区域的搜索空间。 最后,利用图像引导的优化模块来进一步提高性能。 由于所有组件都是可区分的,因此可以以端到端的方式训练整...原创 2019-10-14 17:38:58 · 4067 阅读 · 11 评论 -
论文阅读笔记——Stereo R-CNN based 3D Object Detection for Autonomous Driving
首先,这篇文章是2019年很新颖的一篇文章,利用双目信息做3D目标检测,因为传统方法是用雷达和单目等去做,而这篇文章把双目信息,目标检测,对极几何等知识结合,提出了很新颖的检测思路,这是很值得我们关注的一点,也是一个更加符合人类思考流程的监测网络结构。 亮点总结: Stereo R-CNN方法,并同时检测,关联左右目图像中的对象。 利用关键点和双目 Box 约束,形成一个3D Box 估计器...原创 2019-08-28 18:45:45 · 1810 阅读 · 2 评论