Cascade Residual Learning: A Two-stage Convolutional Neural Network for Stereo Matching

Stereo Matching에서도 two-stage Network가 one-stage보다 정밀도가 높다!

DipFullNet

DispFullNet은 FlowNetC을 Half Resolution이 아닌 Full Resolution(입력과 같은 해상도)로 output하도록 개량한 모델.
입력은 Left Image와 Right Image로 출력이 Full Resolution의 Disparity Map이 된다.

DispResNet

IR(오른쪽 이미지)과 d1을 사용하여 IL'(왼쪽의 추정된 이미지)를 만든다.
IL (왼쪽 이미지)과 IL '을 사용하여 eL (추정 오류)을 계산합니다.
이것을 DispReNet에 입력하고 d1을 downsample한 것과 r2(s)를 더하여 d2(s)를 추정한다.



이것을 Full Resolution까지 계산하여 최종 결과 d2(0)을 출력한다.

결과

2-stage CRL은 다른 네트워크보다 자세한 내용을 배울 수 있습니다.

참고문헌

Cascade Residual Learning: A Two-stage Convolutional Neural Network for Stereo Matching
htps : // / r ぃ v. rg / pdf / 1708.09204. pdf