0
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】StereoDRNet: DilationでPSMNet超え

Last updated at Posted at 2020-10-21

StereoDRNet: Dilated Residual Stereo Net

![image.png](https://qiita-image-store.s3.ap-northeast-1.amazonaws.com/0/482094/86f6288c-54a2-ac4a-fe8a-9d2bb91a443d.png)

PSMNetの進化版で精度も高くFLOPS数も小さい。

Dilationを用いる事でGlobal情報を学習しながら小さいモデルでも精度が出るようになった。

Feature Extraction

他のネットワークと同じでdownsampleしながら畳み込む。最終的に1/4のwidthとheightになる。

image.png

もっとglobalな情報にもアクセスしたいので、Dialationを用いて複数解像度のデータを結合している。

Cost Volume

![image.png](https://qiita-image-store.s3.ap-northeast-1.amazonaws.com/0/482094/7ceabe10-36d7-6a11-546b-443faccd3d81.png)

PSMNetとほとんど同じで、Dilationを使うことでよりGlobalとLocalの情報にAccessしようとしている。

Disparity Refinement

![image.png](https://qiita-image-store.s3.ap-northeast-1.amazonaws.com/0/482094/cdb16632-4b68-916e-253c-fb8d3e9a908b.png)

いつも計算するGeometric ErrorとPhotometric ErrorとLeft Imageを入力してOcclusion MapとResidual Disp Rを推定する。

Residual Disp RはLeft Imageと2つのErrorによって計算された差分で、Left Disparityを足す事でRefineされたDisparityを求めることが出来る。

image.png
Ground TruthのOcculusion Mapと比較してCross-Entropy-Lossを計算する。

どうやってGround TruthのOcclusion Mapを作るのか気になる。

image.png

RefineしたDisparity MapとGround TruthのDisparity Mapの差分を計算する。

結論

Dilationを用いたSpatial Poolingをすることで、Globalな情報を捉えラてるようになり、texture lessな場所なども以前より精度よく推定出来るようになっている。

Disparity Refinementで使われていたOcclusionの推定はどうやってGround Truthを得れるのか不明で、もしSimulator以外で出来るのであれば役立ちそう。

参考文献

StereoDRNet: Dilated Residual Stereo Net https://arxiv.org/pdf/1904.02251.pdf
0
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
0
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?