首页 > 其他分享 >计算机视觉与图形学-立体匹配专题-金字塔立体匹配网络

计算机视觉与图形学-立体匹配专题-金字塔立体匹配网络

时间:2022-10-08 12:31:27浏览次数:56  
标签:PSMNet 立体匹配 图形学 图像 CNN 金字塔 3D


最近的工作表明,从一对立体图像进行深度估计可以作为一个有监督的学习任务,用卷积神经网络(CNN)来解决。然而,当前的体系结构依赖于patch-based Siamese网络,缺乏利用上下文信息在封闭区域查找对应关系的方法。为了解决这个问题,我们提出了PSMNet,一种由两个主要模块组成的金字塔立体匹配网络:空间金字塔池和3D CNN。空间金字塔池模块利用上下文信息的容量,将不同尺度和位置的上下文聚合成一个体损失。3D CNN学习使用堆叠的多沙漏网络和中间监管来规范cost。所提出的方法在几个基准数据集上进行了评估。2018年3月18日之前,我们的方法在KITTI 2012和2015排行榜中排名第一。代码:https: //github.com/JiaRenChang/PSMNet.

系统框架

左、右输入立体图像被送入两个权重共享管道,其中包括用于特征地图计算的CNN、用于通过连接不同大小的子区域表示进行特征获取的SPP模块以及用于特征融合的卷积层。然后使用左图像和右图像特征形成4D成本卷,并将其输入3D CNN进行体cost正则化和视差回归。

计算机视觉与图形学-立体匹配专题-金字塔立体匹配网络_计算机视觉

KITTI 2015测试图像的视差估计结果。左侧面板显示立体图像对的左侧输入图像。对于每个输入图像,由(a)PSMNet、(b)GC Net[13]和(c)MC-CNN[30]获得的视差图在其误差图上方一起示出。

计算机视觉与图形学-立体匹配专题-金字塔立体匹配网络_深度学习_02

更多内容请关注公众号:元宇宙MetaAI

论文:《Pyramid Stereo Matching Network》

标签:PSMNet,立体匹配,图形学,图像,CNN,金字塔,3D
From: https://blog.51cto.com/u_15717531/5737178

相关文章

  • 递归特征金字塔+可切换空洞卷积提升目标检测性能(附框架源码)
    “计算机视觉研究院”计算机视觉研究院专栏作者:Edison_G许多现代的目标检测器通过两次look和think的机制表现出优异的性能。 今天分享的是在目标检测的主干设计中探讨了这......
  • 图像金字塔从理论到实践专题
    1、资源搜索​​图像金字塔-百度百科​​​​【OpenCV学习笔记】之图像金字塔(ImagePyramid)​​​​高斯金字塔与拉普拉斯金字塔​​​​数字图像处理(21):图像金字塔(高斯......
  • 计算机视觉与图形学-神经渲染专题-动态场景下的时序视图合成
    在低计算设备上渲染高帧速率视频的问题可以通过定期预测未来帧来解决,以增强虚拟现实应用程序中的用户体验。这是通过时间视图合成(TVS)问题来研究的,其目标是在给定前一帧以及......
  • Python 教程之控制流(6)打印金字塔图案的程序
    可以使用简单的for循环在python中打印模式。第一个外循环用于处理行数,而内嵌套循环用于处理列数。操作打印语句,可以打印不同的数字图案、字母图案或星形图案。 本文展......
  • 拉普拉斯金字塔
        在高斯金字塔的运算过程中,图像经过卷积和下采样操作会丢失部分高频细节信息。为描述这些高频信息,人们定义了拉普拉斯金字塔(LaplacianPyramid,LP)。用高斯金......
  • 计算机视觉与图形学-神经渲染专题-StructNeRF室内重建
    (说明:如果您认为下面的文章对您有帮助,请您花费一秒时间点击一下最底部的广告以此来激励本人创作,谢谢!!!)神经辐射场(NeRF)通过密集捕获的输入图像实现照片真实感视图合成。然而,......
  • 计算机图形学中的摄像机的旋转
    在计算机图形学中,摄像机/视图空间,是由自身定位点,目标点,向上向量确定。当摄像机旋转时,实质是其目标点发生了变化,下面就摄像机的旋转角度引起目标点的变化进行简单的推导。......
  • 金字塔原理
    金字塔原理表达的逻辑如何构建金字塔结构归类分组大脑的每次记忆不超过7个根据逻辑关系的分组更容易推导记忆自上而下,结论先行自上而下,总结概话纵向:任一层的......
  • 视觉与图形学封神的论文-YOLOv4优化目标检测的精度和速度
    比较YOLOv4和其他最先进的目标检测。YOLOv4的运行速度是EfficientSet的两倍,性能相当。YOLOv3的AP和FPS分别提高10%和12%摘要:据说有大量的特征可以提高卷积神经网络(CNN)的准确......
  • 视觉与图形学领域的封神论文-MobileNets有效的卷积网络用于移动视觉
    MobileNet模型可应用于各种识别任务,以实现高效的设备智能。摘要:我们为移动和嵌入式视觉应用提供了一类称为MobileNet的高效模型。MobileNets基于一种流线型架构,使用深度可分......