立体匹配之（二）：[MC-CNN] 2015CVPR: Stereo Matching by Training a Convolutional Neural Netw

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。

B. 网络架构

1. fast architecture