基于误差预测的无人监督立体匹配网络用于超高分辨率遥感图像
原文中文,约300字,阅读约需1分钟。发表于: 。本研究针对现有监督学习在超高分辨率遥感图像立体匹配中的不足,提出了一种新颖的无人监督立体匹配网络。通过引入轻量级模块连接置信度与预测误差,并建立稳健的无人监督损失函数,以提升网络收敛性。实验结果表明,该网络在US3D和WHU-Stereo数据集上实现了优于其他无人监督网络的准确性,并且比监督模型具备更好的泛化能力。
远程感知领域中,缺乏立体匹配和准确地面真实数据制约了深度神经网络的训练。通过图像到图像翻译和立体匹配的能力提供了有效解决方案。基于边缘感知的生成对抗网络通过联合优化两个任务,解决了域泛化问题。模型产生了更好的定性和定量结果,并适用于自动驾驶等领域。