슈퍼픽셀 비용 볼륨 익사이테이션을 활용한 스테레오 매칭
본 논문에서는 슈퍼픽셀의 지역적 일관성을 활용하여 스테레오 매칭의 정확도를 향상시키는 새로운 방법을 제안합니다.
LightStereo: 효율적인 2D 비용 집계를 위한 채널 부스트 기반의 가벼운 스테레오 매칭 네트워크
LightStereo는 3D 비용 볼륨의 채널 차원에 집중하여 2D 비용 집계를 효율적으로 수행하는 가벼운 스테레오 매칭 네트워크로, 정확도와 효율성을 모두 개선하여 실시간 애플리케이션에 적합하다.
단안 지식 전이를 통한 향상된 스테레오 매칭: Mono2Stereo 프레임워크
단안 깊이 추정 모델의 지식을 스테레오 매칭 네트워크에 전이하여 합성 데이터와 실제 데이터 간의 차이를 줄이고, 희소한 실제 데이터 라벨 문제를 해결하여 스테레오 매칭 성능을 향상시키는 Mono2Stereo 프레임워크를 제안합니다.
이미지 전파 기반 지도 제작: 결정적 시차 확산을 통한 도로 환경에 대한 딥 스테레오 네트워크 적용
본 논문에서는 사전 훈련된 딥 컨볼루션 신경망(DCNN)을 새로운 도로 환경에 적용하는 결정적 시차 확산(D3Stereo)이라는 새로운 딥 스테레오 매칭 전략을 제안하여 도로 표면 3D 재구성의 정확도와 효율성을 향상시킵니다.
DCVSMNet: 이중 비율 볼륨 스테레오 매칭 네트워크
DCVSMNet은 두 개의 작은 비용 볼륨을 사용하여 풍부한 매칭 정보를 저장하고 결합 모듈을 통해 정보를 융합하여 기존의 빠른 스테레오 매칭 네트워크보다 향상된 정확도와 일반화 능력을 달성하는 새로운 스테레오 매칭 네트워크입니다.
SR-Stereo & DAPE: 실용적인 스테레오 매칭을 위한 단계적 회귀 및 사전 학습된 에지 활용
본 논문에서는 다양한 데이터셋에서 발생하는 분포 차이를 극복하고, 특히 희소한 Ground Truth 데이터에서 모델의 성능을 향상시키는 새로운 스테레오 매칭 방법(SR-Stereo)과 도메인 적응 프레임워크(DAPE)를 제안합니다.
내륙 수로를 위한 가벼운 타겟 기반 스테레오 매칭 네트워크 (LTNet)
내륙 수로의 복잡한 환경에서 효율적인 스테레오 매칭을 위해 가벼우면서도 정확도가 높은 타겟 기반 딥러닝 모델인 LTNet을 제안하며, 이는 제한된 자원을 가진 USV 플랫폼에 적합하도록 설계되었습니다.
샘플링-가우시안: 스테레오 매칭을 위한 새로운 지도 방식
본 논문에서는 소프트-argmax 기반 스테레오 매칭 방법의 정확도를 향상시키기 위해 새로운 지도 학습 방법인 샘플링-가우시안을 제안합니다. 샘플링-가우시안은 기존 방법의 문제점을 분석하고, 분포 기반 학습에 대한 새로운 관점을 제시하며, 다양한 실험을 통해 그 효과를 입증합니다.
비전 기반 모델의 강점을 활용한 스테레오 매칭
비전 기반 모델(VFM)의 일반적이고 정보가 풍부한 특징을 활용하여 스테레오 매칭 성능을 향상시킬 수 있다.
