大青上的博客

学习笔记之基于代价聚合算法的分类 ，主要针对cost aggregration分类，2008 CVPR1. Introduction经典的全局算法有：BP[31]DP[28]SO[20]       本文主要内容有：从精度的角度对比各个算法，主要基于文献【23】给出的评估方法，同时也在计算复杂度上进行了比较，最后综合这两方面提出一个trade-o

AbstractIntroductionrelated workmethodA Per-pixel Pyramid Pooling 4PB proposed model实验未解决参考文献Abstract**2016 IEEE SPL 目前在middlebury上排名第二** 提出一种新的CNN 模式，通过一个较大尺寸窗口来学习一个matching cost 与以往的池化层不同（w

基线的本意是指立体视觉系统中两摄像机光心之间的距离。依据拍摄两幅图 像的视点位置关系可将对应点匹配问题分为宽基线(Wide Baseline)和窄基线匹配(Short Baseline)。宽基线一词用于匹配时，泛指两幅图像有明显不同的情况下的匹配。产生这种情况的原因有可能为摄像机之间的位置相差很大，也有可能由于摄像机旋转或焦距的变化等因素产生的。宽基线匹配和窄基线匹配的分界不是很严格，但是在窄基线

原文地址 http://blog.csdn.net/wsj998689aa/article/details/44411215     最近，在做立体匹配方向相关的研究，先去网上找最新鲜的论文，看到了这篇文献（简称CSCA），来源于CVPR2014，令我惊奇的是，作者竟然提供了详细的源代码，配置运行了一下，效果还真不错，速度也还可以，具有一定的实用价值，所以拿来和大家分享一下。

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 chec

摘要也是基于patches的匹配加入亮度信息最后基于全局优化 可惜没有公开代码，也没在排行榜上显示。1 IntroductionThis deep embedding model leverages appearance data to learn visual dissimilarity between image patches, by explicitly mapping raw i