内视图和跨视图几何知识进行立体匹配
内视图和跨视图几何知识进行立体匹配
几何知识已被证明对立体匹配任务有益。然而,之前将几何见解整合到立体匹配算法中的尝试,主要集中在单个图像的几何知识上,而忽略了遮挡和匹配唯一性等关键的交叉视图因素。为了解决这一差距,提出了一种新的内视图和跨视图几何知识学习网络(ICGNet),专门用于吸收内视图和交叉视图几何知识。ICGNet利用兴趣点的力量作为视图内几何理解的渠道。同时,它利用这些点之间的对应关系来捕捉交叉视图的几何关系。这种双重结合使所提出的ICGNet,能够在其学习过程中利用视图内和视图间的几何知识,从而大大提高了其估计差异的能力。广泛的实验证明了ICGNet相对于当代领先模型的优越性。
改进方法框架的总体结构,如图3-16所示。

图3-16 改进方法框架的总体结构
在图3-16中,模型架构包括3个部分:立体匹配网络、跨视图知识学习网络和视图内知识学习网络。跨视图知识知识学习网络通过使用
硬体和
软体,对齐兴趣点对应关系
、
和
来引入跨视图几何知识。视点内知识学习网络通过使用
对齐兴趣点图
和
来引入视点内几何知识。虚线仅用于清晰说明,在工作中不使用。
人工智能芯片与自动驾驶
【推荐】国内首个AI IDE,深度理解中文开发场景,立即下载体验Trae
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· 全程不用写代码,我用AI程序员写了一个飞机大战
· DeepSeek 开源周回顾「GitHub 热点速览」
· 记一次.NET内存居高不下排查解决与启示
· MongoDB 8.0这个新功能碉堡了,比商业数据库还牛
· .NET10 - 预览版1新功能体验(一)
2023-11-14 RISC-V 指令集基本概念
2022-11-14 TVM -TVM/VTA 代码生成流程
2021-11-14 如何将自定义代码生成TVM