多维注意力特征聚合立体匹配算法

摘要：

现有基于深度学习的立体匹配算法在学习推理过程中缺乏有效信息交互,而特征提取和代价聚合两个子模块的特征维度存在差异,导致注意力方法在立体匹配网络中应用较少、方式单一.针对上述问题,本文提出了一种多维注意力特征聚合立体匹配算法.设计2D注意力残差模块,通过在原始残差网络中引入无降维自适应2D注意力残差单元,局部跨通道交互并提取显著信息,为匹配代价计算提供丰富有效的特征.构建3D注意力沙漏聚合模块,以堆叠沙漏结构为骨干设计3D注意力沙漏单元,捕获多尺度几何上下文信息,进一步扩展多维注意力机制,自适应聚合和重新校准来自不同网络深度的代价体.在三大标准数据集上进行评估,并与相关算法对比,实验结果表明所提算法具有更高的预测视差精度,且在无遮挡的显著对象上效果更佳.

关键词：深度学习、立体匹配、多维注意力机制、信息交互

所属期刊栏目：48

分类号：TP391;TN911.73;TP183

资助基金：河北省自然科学基金F2019203320

在线出版日期：2022-07-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：1805-1815