一个高效和准确的多层级级级级循环网络,用于立体声匹配
Ziyu Zhong1, Xiuze Yang1, Xiubian Pan1
1School of Mechanical Engineering, Guangxi University, Nanning, 530004, Guangxi, China.
Scientific reports
|April 7, 2024
概括
这项研究介绍了LMCR-Stereo,这是一个高效的立体声匹配循环网络,可以平衡精度和速度. 它在不牺牲准确性的情况下显著提高了差异估计速度,使其适合实时应用.
科学领域:
- 计算机视觉 计算机视觉
- 深度学习 (Deep Learning) 是一种深度学习.
- 机器人技术 机器人技术 机器人技术
背景情况:
- 基于变压器的卷积神经网络在立体匹配中实现了高精度的差异估计.
- 当前最先进的方法需要大量的模型推断时间,这限制了实际应用.
研究的目的:
- 为了解决立体声匹配中的精度-效率权衡问题.
- 提出一个高效和准确的多层级级级级循环网络,用于差异估计.
主要方法:
- 设计了一个多级网络,用于差值的粗细的反复代更新.
- 引入了各种场景数据的缓慢快速多阶段叠加推理结构.
- 整合了适应性和轻量级组对应层,以提高速度和减少纠正错误.
主要成果:
- 拟议的LMCR-Stereo网络实现了竞争力差异估计的准确性.
- 在模型推断速度方面显著改进:SceneFlow上的46.0%,Middlebury上的50.4%.
- 该方法与现有的最先进的方法相比,有效地平衡了准确性和效率.
结论:
- 对于实时立体声匹配应用,LMCR-Stereo提供了一个可行的解决方案.
- 网络架构有效地提高了差异估计的准确性和推断速度.
- 提出的方法有助于推进高效的计算机视觉和机器人系统.
