高效立体匹配深度学习方法研究.pdfVIP

高效的立体匹配深度学习方法

WenjieLuoAlexanderG.SchwingRaquelUrtasun多

伦多大学计算机科学系{wenjie,aschwing,urtasun}

@cs.toronto.edu

在过去的一年中，卷积神经网络在立体匹配估计

任务中表现出了极佳的性能。然而，当前的网络结构

依赖于孪生网络（siamesenetworks），其通过拼接

操作并进一步处理，导致每对图像需要一分钟的

GPU计算时间。相比之下，本文提出了一种匹配网络，

能够在不到一秒的GPU计算时间内产生非常精确的结

果。为了实现这一目标，我们利用了一个乘积层，该

层简单地计算孪生结构中两个表示之间的内积。

该问题视为多类别分类问题进行网络训练，其中类别对

应所有可能的视差值。这种方法使我们能够获得校准后

图1：为了学习有信息量的图像块表示，我们采用了

的得分，在与现有方法的比较中，该得分可以显著提升

体网络（siamesenetwor