1
1

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

More than 3 years have passed since last update.

【StereoDepth】StereoNet :高速Stereo Matching!

Last updated at Posted at 2020-10-16

image.png

StereoNetがGC-Netよりメチャクチャ早かったからその理由を見ていきたい。

Feature Extraction

Feature Mapの解像度を小さくする 1. 大きなreceptive field=>texture lessの場所に役立つ 2. feature vectorをコンパクトに出来る。

Cost Volume

![image.png](https://qiita-image-store.s3.ap-northeast-1.amazonaws.com/0/482094/b0da4afa-d97c-e435-6972-55f0f978ba53.png) ほとんどの計算時間が3D convolutionに使われる。 入力の画像を小さくする事で粗いが早くDisparityを求める事が出来る。

Hierarchical Refinement: Edge-Aware Upsampling

Cost Volumeで得た粗いDisparityを出力の解像度までupsamplingする。 color画像とupsampleしたDisparity Mapを結合し、ネットワークでDisparityを再度推定する。 color画像からedgeなどを見つけて、refineしてくれる。

image.png

結果

![image.png](https://qiita-image-store.s3.ap-northeast-1.amazonaws.com/0/482094/49f3e72c-38f5-a018-6207-443956945eec.png) k = 8で0.015sの速度が出た。しかし精度はそこまで低下していない。

結論

Cost Volumeの3D Convolutionを小さくすれば計算は早くなる。

参考文献

StereoNet: Guided Hierarchical Refinement for Real-Time Edge-Aware Depth Prediction https://openaccess.thecvf.com/content_ECCV_2018/papers/Sameh_Khamis_StereoNet_Guided_Hierarchical_ECCV_2018_paper.pdf
1
1
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
1
1

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?