Core Concepts
새로운 반복 업데이트 연산자 SRU를 제안하여 스테레오 매칭에서 다양한 주파수의 정보를 적응적으로 선택합니다.
Abstract
RAFT-Stereo 및 IGEV-Stereo와 같은 반복 최적화 기반의 스테레오 매칭 방법은 스테레오 매칭 분야에서 중요한 위치를 차지하고 있습니다.
SRU 모듈은 엣지와 부드러운 영역에서 다양한 주파수의 숨겨진 차이 정보를 적응적으로 융합합니다.
CSA 모듈을 도입하여 SRU가 다양한 주파수에서 정보를 캡처하고 가중치를 생성할 수 있도록 합니다.
SRU는 네트워크가 다양한 주파수에서 정보를 집계하고 잡음 정보를 줄이는 데 도움이 됩니다.
Selective-Stereo는 KITTI 2012, KITTI 2015, ETH3D 및 Middlebury 리더보드에서 모든 게시된 방법 중 1위를 차지합니다.
Stats
RAFT-Stereo [16]은 KITTI 2012에서 1.92의 EPE를 기록했습니다.
Selective-RAFT는 Scene Flow에서 0.47의 EPE를 기록했습니다.
IGEV-Stereo [33]는 KITTI 2015에서 1.17%의 >1px를 기록했습니다.
Quotes
"SRU empowers the network to aggregate hidden disparity information across multiple frequencies, mitigating the risk of vital hidden disparity information loss during iterative processes."
"Our Selective-Stereo ranks 1st on KITTI 2012, KITTI 2015, ETH3D, and Middlebury leaderboards among all published methods."