【Stereo Depth】CRL(Cascade Residual Learning) : 2Stage Depth Estimation

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


どうやってネットワークを早くしようかと考えていたら、2stageにするが良いという結論になったそうです。

新規性

DispFullNet

従来研究と同じで、Correlation(相関性)を見るためにInner Product(内積)でMatching Scoreを計算し、いくつかの解像度でDisparityを推定し、それぞれの解像度でlossを計算している。

DispResNet

DispFullNetで得たDisparity MapからLeft Image ReconstructionしてEorrorも計算して、それらを入力にしてるのが図からわかりますね。

図がごちゃごちゃしててわかりにくいですが、ようはReconstruction Errorを使ってDisparityをRefinementしようということ。

結果

 GC-Netより早い！

結論

・1stageより2stageの方が効率的だったりもする。

参考文献

Cascade Residual Learning: A Two-stage Convolutional Neural Network for Stereo Matching https://arxiv.org/pdf/1708.09204.pdf