CFDNet:一种具有对比特征蒸馏的可概化的雾视觉立体匹配网络
原文中文,约300字,阅读约需1分钟。发表于: 。在模糊场景下,立体匹配因散射效应导致能见度下降和密集对应匹配特征较不明显,而简单地去除雾可能无助于深度估计,因为雾本身可以提供重要的深度线索。本文介绍了一种基于对比特征蒸馏的框架,该策略结合了从合并的清晰 - 雾特征中蒸馏特征和对比学习,确保对雾深度线索和清晰匹配特征的均衡依赖,提高了模型在清晰和模糊环境下的推广能力。对合成和真实数据集的全面实验证实了我们方法的优越性和适应性。
本文介绍了一种基于对比特征蒸馏的框架,用于模糊场景下的立体匹配。该策略结合了清晰-雾特征和对比学习,提高了模型在清晰和模糊环境下的推广能力。实验证实了该方法的优越性和适应性。