BriefGPT - AI 论文速递
·
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。
📝
内容提要
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。
🎯
关键要点
- 在模糊场景下，立体匹配受到散射效应影响，能见度下降。
- 简单去除雾可能无助于深度估计，因为雾提供重要的深度线索。
- 本文提出了一种基于对比特征蒸馏的框架，结合清晰-雾特征和对比学习。
- 该策略确保对雾深度线索和清晰匹配特征的均衡依赖。
- 模型在清晰和模糊环境下的推广能力得到了提高。
- 综合实验证实了该方法的优越性和适应性。
➡️
