小红花·文摘
  • 首页
  • AI Tokens🪙
  • 排行榜🏆
  • 直播
  • FAQ
沉浸式翻译 immersive translate
Dify.AI

本研究解决了当前立体匹配算法中特征提取能力不足的问题。我们提出了一种名为AIO-Stereo的新方法,能够灵活地从多个异构视觉基础模型中选择和转移知识,以提升单一立体匹配模型的性能。实验结果表明,AIO-Stereo在多个数据集上表现优异,并在Middlebury数据集上位列第一,超过了所有已发表的ETH3D基准研究。

一体化:将视觉基础模型转移到立体匹配

BriefGPT - AI 论文速递 BriefGPT - AI 论文速递 · 2024-12-13T00:00:00Z

本研究提出MoCha-V2方法,解决立体匹配中因几何结构损失导致的细节匹配问题。该方法通过模态相关图重建几何结构,实验结果在Middlebury基准测试中表现优异,获得第一名。

Modal Channel Unlocked in the White Box: Stereo Matching through Modal Correlation Graphs

BriefGPT - AI 论文速递 BriefGPT - AI 论文速递 · 2024-11-19T00:00:00Z

本研究提出了一种名为Mono2Stereo的立体匹配增强方法,旨在缩小合成数据集与真实数据集之间的差距。通过两阶段训练,该方法显著提升了匹配性能,尤其在零-shot泛化和领域微调方面表现突出。

Mono2Stereo: An Enhanced Stereo Matching Method Based on Monocular Knowledge Transfer

BriefGPT - AI 论文速递 BriefGPT - AI 论文速递 · 2024-11-14T00:00:00Z

本文介绍了一种新型图形模型,利用Markov随机场算法实现无人驾驶水面船只在海洋环境中快速检测航行障碍物。研究提出了多种技术和数据集,以提升水上物体的感知能力和立体匹配的准确性,强调了实时情景感知在自主导航中的重要性。

轻量级目标驱动的立体匹配网络用于内陆水道

BriefGPT - AI 论文速递 BriefGPT - AI 论文速递 · 2024-10-10T00:00:00Z

该研究探讨了单目和双目深度估计的最新进展,提出了结合几何约束的深度估计方法,展示了新数据集和神经网络的应用,强调了深度学习在立体匹配中的优势与挑战,并提出了提升模型泛化能力的策略。

空中立体图像数据集上不同视差估计技术的分析

BriefGPT - AI 论文速递 BriefGPT - AI 论文速递 · 2024-10-09T00:00:00Z

本研究针对自监督立体匹配中的遮挡问题,发现现有方法效果不佳。研究者提出伪立体输入策略,解耦输入与反馈图像,缓解遮挡信息缺失,显著提升性能,推动领域进展。

Pseudo-Stereo Input: Addressing Occlusion Challenges in Self-Supervised Stereo Matching

BriefGPT - AI 论文速递 BriefGPT - AI 论文速递 · 2024-10-03T00:00:00Z

本文介绍了多种基于学习的方法来提高立体匹配的准确性和效率,包括随机森林分类器、深层立体网络、循环神经网络和Transformer结构等。这些方法在多个数据集上表现优异,尤其在动态场景重构和时间一致性方面,展示了深度学习在立体匹配中的潜力和应用前景。

通过双向对齐匹配立体视频

BriefGPT - AI 论文速递 BriefGPT - AI 论文速递 · 2024-09-30T00:00:00Z

本研究提出了多种基于卷积神经网络的深度估计方法,并在KITTI和Middlebury数据集上验证了其优越性能。通过残差学习和图像变形误差等技术,提高了视差图生成的精度和速度。同时,研究探讨了自监督学习与监督学习结合的UniTT-Stereo方法,改善了模型在数据有限情况下的训练效果。

MaDis-Stereo:通过蒸馏的遮罩图像建模增强立体匹配

BriefGPT - AI 论文速递 BriefGPT - AI 论文速递 · 2024-09-04T00:00:00Z

本研究提出了多种基于卷积神经网络和Transformer的深度估计方法,验证了其在KITTI和Middlebury数据集上的优越性能。通过自适应训练、层次聚合和注意力机制,解决了视差匹配和单目深度估计中的数据稀缺问题,显著提高了模型的泛化能力和训练稳定性。

UniTT-Stereo:统一训练变换器以增强立体匹配

BriefGPT - AI 论文速递 BriefGPT - AI 论文速递 · 2024-09-04T00:00:00Z

本文探讨了深度学习在遥感数据分析中的应用,重点是卷积神经网络与LiDAR技术的结合。研究表明,深度架构在分类性能上优于单层架构,并提出了多种提高立体匹配和深度重建精度的方法,包括新颖的网络结构和自监督学习策略。这些进展增强了遥感领域深度学习模型的泛化能力和性能。

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

BriefGPT - AI 论文速递 BriefGPT - AI 论文速递 · 2024-08-14T00:00:00Z

本研究探讨了基于卷积神经网络的立体匹配技术,提出了自适应训练、特征一致性维护和无人监督网络等方法,以提高模型的泛化能力和准确性。实验结果表明,这些方法在多个数据集上表现优异,超越了传统算法。

重新思考遥感立体匹配网络的关键因素

BriefGPT - AI 论文速递 BriefGPT - AI 论文速递 · 2024-08-14T00:00:00Z

本文介绍了基于事件相机的动态视觉传感器及其在光流估计、立体匹配和深度估计等计算机视觉任务中的应用,提出了多种新方法和框架,显著提高了性能,并在多个数据集上验证了其有效性。

通过特征相似度匹配统一事件驱动的流量、立体和深度估计

BriefGPT - AI 论文速递 BriefGPT - AI 论文速递 · 2024-07-31T00:00:00Z

本文探讨了联合学习框架在语义立体匹配、分割和流估计中的应用,提出了S^3M-Net和SyncTrack等新方法,显著提升了场景理解和实时跟踪性能。实验结果显示,这些方法在KITTI和US3D数据集上超越了现有技术。

TiCoSS: 在联合学习框架下加强语义分割和立体匹配之间的耦合

BriefGPT - AI 论文速递 BriefGPT - AI 论文速递 · 2024-07-25T00:00:00Z

本文提出了一种改进的双目视频深度估计方法,利用双向对齐机制和新框架BiDAStereo,解决动态对象的立体匹配问题。研究表明,该方法在多个基准测试中提高了预测质量,并介绍了基于Transformer的DynamicStereo结构和Dynamic Replica数据集,以优化动态场景重构。

时序一致性立体匹配

BriefGPT - AI 论文速递 BriefGPT - AI 论文速递 · 2024-07-16T00:00:00Z

该研究综述了深度学习在立体视觉和图像深度估计中的应用,分析了单目和双目图像深度估计的最新进展、算法及其优缺点,并提出了提高模型准确性的新方法,强调了实时立体匹配在自动驾驶等领域的重要性。

二十年代的深度立体匹配调查

BriefGPT - AI 论文速递 BriefGPT - AI 论文速递 · 2024-07-10T00:00:00Z

本文提出了一种自适应训练方法,结合合成数据与无标注数据,以提升卷积神经网络在新领域的泛化能力。通过图拉普拉斯正则化优化,模型能够自适应调整参数,保持边缘并消除伪像,适用于多个场景。此外,研究展示了基于边缘感知的生成对抗网络和新的立体匹配方法,显著提高了深度学习模型的准确性和鲁棒性。

稳健的立体匹配的逐步回归和预训练边缘

BriefGPT - AI 论文速递 BriefGPT - AI 论文速递 · 2024-06-11T00:00:00Z

基于残差估计的递归结构网络 RecSM 用于视频立体匹配,通过计算当前帧与前一帧之间的残差值,仅利用时间上下文作为参考,快速计算当前帧的位移,同时使用 DOM 和 TAM 模块进一步减少估计误差,堆叠式计算结构 (SCS) 实现可扩展性。实验结果表明,RecSM 在一块 NVIDIA RTX 2080TI GPU 上运行 0.054 秒,相比 ACVNet 提高了 4 倍的速度,准确度仅下降 0.7%。

基于残差估计的视频立体匹配的灵活递归网络

BriefGPT - AI 论文速递 BriefGPT - AI 论文速递 · 2024-06-05T00:00:00Z

本文提出了一种高效的实时立体匹配框架,能够在低延迟内准确预测深度,适用于自动驾驶等应用。通过结合低分辨率和高分辨率数据,采用新算法提高深度图精度,并在多种挑战条件下实现稳健重建。研究还探讨了神经网络模型和多视图立体深度计算的优先级方法,以提升重建质量和效率。

VHS:具有视觉外壳先验的高分辨率迭代立体匹配

BriefGPT - AI 论文速递 BriefGPT - AI 论文速递 · 2024-06-04T00:00:00Z

本文介绍了一种新型立体成像方法DCVSMNet,具备快速推理和强泛化能力。该方法通过耦合模块融合几何信息,优化深度匹配的准确性。同时,CFNet模型通过融合低分辨率代价体,提升跨数据集的匹配能力。研究表明,这些方法在多个基准数据集上表现优异。

Ghost-Stereo:基于 GhostNet 的立体匹配网络的代价体积增强与聚合

BriefGPT - AI 论文速递 BriefGPT - AI 论文速递 · 2024-05-23T00:00:00Z

RAFT是一种新型深度网络结构,专注于光流估计,具有高效的推断和训练速度。通过引入注意力机制和架构改进,RAFT在多个数据集上实现了显著的性能提升。相关方法如RAFT-Stereo和SMURF进一步优化了光流学习和立体匹配,展现出在准确性和效率上的优势。

SEA-RAFT:用于光流的简单高效准确的 RAFT 算法

BriefGPT - AI 论文速递 BriefGPT - AI 论文速递 · 2024-05-23T00:00:00Z
  • <<
  • <
  • 1 (current)
  • 2
  • 3
  • >
  • >>
👤 个人中心
在公众号发送验证码完成验证
登录验证
在本设备完成一次验证即可继续使用

完成下面两步后,将自动完成登录并继续当前操作。

1 关注公众号
小红花技术领袖公众号二维码
小红花技术领袖
如果当前 App 无法识别二维码,请在微信搜索并关注该公众号
2 发送验证码
在公众号对话中发送下面 4 位验证码
友情链接: MOGE.AI 九胧科技 1tok 菜鸟教程 Remio.AI DeekSeek连连 53AI 神龙海外代理IP IPIPGO全球代理IP 东波哥的博客 匡优考试在线考试系统 开源服务指南 蓝莺IM Solo 独立开发者社区 AI酷站导航 极客Fun 我爱水煮鱼 周报生成器 He3.app 简单简历 白鲸出海 T沙龙 职友集 TechParty 蟒周刊 Best AI Music Generator 模力方舟 Gitee AI

小红花技术领袖俱乐部
小红花·文摘:汇聚分发优质内容
小红花技术领袖俱乐部
Copyright © 2021-
粤ICP备2022094092号-1
公众号 小红花技术领袖俱乐部公众号二维码
视频号 小红花技术领袖俱乐部视频号二维码