轻量级自适应上采样立体匹配

摘要：

针对现有立体匹配深度学习模型中常采用线性插值进行代价体上采样,而无法充分利用邻域纹理信息的问题,提出了一个自适应上采样模块.该模块首先为高分辨率输出中每一个像素位置自适应学习采样的权重窗口,然后采用最近邻方法将低分辨率输入上采样后在对应位置使用学习到的权重卷积得到最终对应高分辨输出的值.该模块具有三个特点:(1)大感受野,通过堆叠的空洞卷积以及多尺度窗口提高像素的邻域纹理感知能力;(2)轻量级,与线性插值相比,不需增加过多计算量;(3)通用性,可以移植到现有网络,替换其插值方法.在数据集SceneFlow、KITTI2015上的实验表明,通过采用所提模块替换PSMNet和AANet中的三线性插值,可以有效地降低各自的误差26.4％、10.3％(SceneFlow)和15.4％、18.9％(KITTI2015).

关键词：深度学习、立体匹配、代价体、上采样、轻量级

所属期刊栏目：58

分类号：TP391.4(计算技术、计算机技术)

资助基金：中国科学院前沿科学重点研究计划项目QYZDY-SSW-JSC034

在线出版日期：2022-08-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：139-146