Zenith Hugh

摘要： 本文提出了HITNet，一种用于实时立体匹配的新型神经网络架构。与许多近期在全代价体上运行并依赖${3D}$卷积的神经网络方法不同，我们的方法并不显式构建代价体，而是依靠快速多分辨率初始化步骤、可微的${2D}$几何传播和变形机制来推断视差假设。为了达到较高的精度，我们的网络不仅从几何角度推理视差，还推断倾斜平面假设，从而能够更准确地执行几何变形和上采样操作。我们的架构本质上是多分辨率的，允许信息在不同层次之间传播。多项实验证明，与最先进的方法相比，所提出的方法在所需计算量大幅减少的情况下仍具有有效性。 阅读全文