1 摘要
- project主页:https://github.com/jzbontar/mc-cnn
- 基于patch的提取与比较,学习其相似性得到一个matching cost,并将正确匹配的patch定义为正样本,其他为负样本。
- 后处理包括:cross-based cost aggregation, semiglobal matching, a left-right consistency check, subpixel enhancement, a median filter, and a bilateral lter.
- fast 和accurate两个版本
2 介绍和相关工作
类似的有:[1] ,[2] (都是基于patches), 主要差别在于包括了pooling和subsampling 以引入更大的patch sizes and larger variation in viewpoint
3 匹配代价
A. 数据集正负样本建立
左图的点P(x,y)对应右图匹配点为q
正样本: q = (x - d + Opos, y);
负样本: q = (x - d + Oneg, y);
其中Oneg从[-dataset_neg_high, - dataset_neg_low] 以及[dataset_neg_low, dataset_neg_high]中选。Opos理论上是0,但实际选取一个不超过1 的值。