MaDis-Stereo：通过蒸馏的遮罩图像建模增强立体匹配
原文中文，约200字，阅读约需1分钟。发表于：。本研究解决了立体匹配任务中由于数据稀缺而导致的性能瓶颈。我们提出的MaDis-Stereo模型通过结合遮罩图像建模，改进了基于Transformer的立体匹配训练方法，并引入辅助网络以提高训练稳定性。实验结果表明，该模型在多个数据集上达到了最先进的性能，显著改善了上下文感知能力。
本文介绍了一种新的深度学习方法——立体风险，用于解决计算机视觉中的立体匹配问题。通过连续风险最小化问题将场景视差建模为最优解，证明了$L^1$最小化对深度网络的立体匹配性能提升具有显著效果，并通过基准数据集的分析证明了该方法在理论上的有效性和性能上的优势。
