超级会员免费看
SEDNet是一种新的深度网络，用于联合估计立体匹配中的视差和不确定性。通过使用KL散度损失函数，匹配误差分布和不确定性分布，实现精确的不确定性估计。该方法在大型数据集上表现出色，优于具有类似架构但没有该损失函数的基线。SEDNet包含一个轻量级的不确定性估计子网络，并使用可微的软直方图技术近似分布。实验证明，SEDNet在视差和不确定性预测方面都取得了显著的提升。
论文题目：Learning the Distribution of Errors in Stereo Matching for Joint Disparity and Uncertainty Estimation
作者：Liyan Chen ；Weihan Wang; Philippos Mordohai;
作者机构：Stevens Institute of Technology(斯蒂文斯理工学院)
论文链接：https://arxiv.org/pdf/SEDNet.pdf
项目代码：https://github.com/lly00412/SEDNet（论文中提到的开源代码,用的是Pytorch框架）
在公众号「3D视觉工坊」后台回复「原论文」，可获取对应论文pdf文件。
本文提出了一种新的深度立体匹配中用于联合视差和不确定性估计的损失函数。在神经网络中加入KL散度项，要求不确定性分布匹配视差误差分布，以
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
