Marcus1231的博客

本文提出一种数据驱动的立体匹配代价（matching cost）计算方法。核心贡献是一个深度视觉对应嵌入（deep visual correspondence embedding）模型，用卷积神经网络（CNN）在大规模带真实视差的立体图像对上训练。网络把原始灰度值显式映射到一个可度量的嵌入特征空间，用内积直接度量 patch 间的视觉相似度/不相似度。实验表明：该度量显著优于传统AD、BT、NCC、Census 等代价函数；嵌入代价与半全局匹配（SGM）结合。

摘要 本文提出了一种两帧立体匹配算法的模块化框架，将算法分解为匹配代价计算、代价聚合、视差优化和视差精修四个可替换的组件。研究假设已标定和极线校正的图像输入，聚焦于稠密视差图输出。论文详细介绍了各类匹配代价函数（如AD、BT、Census等）、代价聚合方法（方窗、高斯、扩散等）和优化算法（WTA、DP、GC、BP等），并提出了基于能量最小化的全局优化框架。针对视差精修，讨论了亚像素拟合和遮挡检测技术。研究还开发了统一的C++实现平台和公开评测数据集，为立体匹配算法提供了标准化评估基准。该框架为立体视觉算法的

本文提出两种新型非参数局部变换（Rank和Census变换）用于解决立体匹配和光流中的对应问题。与传统基于像素强度的方法不同，这些变换通过比较局部区域内像素的相对顺序（而非绝对值）来实现匹配，具有对光照变化、异常值和物体边界更鲁棒的优势。Rank变换统计邻域内比中心像素暗的点数，Census变换生成表示局部结构的二进制码。实验表明，这两种方法在物体边界等复杂区域表现优于传统互相关匹配，且计算效率较高（Sun工作站上可达1-2帧/秒）。该研究为非参数统计在计算机视觉中的应用提供了新思路。

本文提出WaveletStereo，一种基于小波变换的新型立体匹配方法，通过多分辨率小波系数学习解决平滑区域和细节区域的视差估计难题。方法采用三个核心模块：1）DCASPP特征提取模块结合密集连接与空洞卷积实现高效多尺度特征学习；2）多分辨率代价体模块构建分层特征表达；3）小波重建模块通过逆向变换从低频到高频逐步恢复视差。在SceneFlow数据集上取得最优性能（EPE=0.84），但KITTI数据上因标注稀疏导致高频学习受限。创新性体现在小波表示范式、DCASPP设计和多分辨率协同机制，未来可优化稀疏数据

本文提出AANet模型，通过两个创新模块完全替代传统3D卷积，显著提升立体匹配效率。首先，基于可变形卷积的尺度内聚合(ISA)模块动态调整采样位置和权重，有效处理视差不连续区域；其次，并行跨尺度聚合(CSA)模块通过多尺度代价体融合优化无纹理区域匹配。实验表明，该方法在保持精度的同时大幅加速推理（比GC-Net快41倍），在SceneFlow和KITTI数据集上62ms内取得竞争性结果，并具有良好的泛化能力。