BriefGPT - AI 论文速递
·
重新思考遥感立体匹配网络的关键因素
💡
原文中文，约200字，阅读约需1分钟。
📝
内容提要
本文提出了一种新的自适应多模交叉熵损失函数，用于改进立体匹配模型的性能。该方法在多个数据集上展现出优秀的跨域泛化能力。
🎯
关键要点
- 提出了一种新的自适应多模交叉熵损失函数。
- 该方法促进网络为边缘和非边缘像素生成不同的分布模式。
- 优化推理阶段的视差估计器以减轻边缘处的伪影和对齐偏差。
- 提高了经典立体匹配模型的性能。
- GANet在KITTI 2015和2012基准上排名第一。
- 在四个流行的真实世界数据集上展现出优秀的跨域泛化能力。
➡️
