科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对现有立体匹配深度学习模型中常采用线性插值进行代价体上采样，而无法充分利用邻域纹理信息的问题，提出了一个自适应上采样模块。该模块首先为高分辨率输出中每一个像素位置自适应学习采样的权重窗口，然后采用最近邻方法将低分辨率输入上采样后在对应位置使用学习到的权重卷积得到最终对应高分辨输出的值。该模块具有以下三个特点：1.大感受野，通过堆叠的空洞卷积以及多尺度窗口提高像素的邻域纹理感知能力；2.轻量级，与线性插值相比，不需增加过多计算量；3. 通用性，可以移植到现有网络，替换其插值方法。在数据集SceneFlow， KITTI2015的实验表明，通过采用所提模块替换PSMNet和AANet中的三线性插值，可以有效地降低各自的误差26.4%， 10.3% （SceneFlow）和15.4%，18.8% （KITTI2015）。
- 出版日期2021-4-19
- 单位上海科技大学; 中国科学院上海微系统与信息技术研究所; 中国科学院大学
