事件相机是一种受生物视网膜启发的动态视觉传感器，具有高动态范围、高时间分辨率和低功耗等特点。研究提出了一种新颖的时间事件立体视觉框架，通过利用先前时间步骤的信息来提高事件立体匹配的性能，并使用视差图来训练立体光流，实现对3D环境的感知。在MVSEC和DSEC数据集上实现了最先进的性能。

本文提出了一种基于学习的方法来优化立体方法的视差图，通过迭代生成近端梯度方法的变分能量，学习鲁棒的协作正则化器，提供优化和去噪视差图的有趣见解。该方法在立体基准测试中证明了其效率。

StereoNet是一种深度学习架构，能够在NVidia Titan X上以60fps运行，产生高质量、边缘保留且无量化的视差图。该网络具有超像素匹配精度的关键洞见，比传统立体匹配方法高一个数量级，通过使用低分辨率代价体编码所需的所有信息，从而实现实时性。该方法在多个基准测试中取得了显着的结果，提供了极大的灵活性。

StereoNet是一种深度学习架构，能够在NVidia Titan X上以60fps运行，产生高质量、边缘保留且无量化的视差图。该网络具有超像素匹配精度的关键洞见，比传统立体匹配方法高一个数量级，通过使用低分辨率代价体编码所需的所有信息，从而实现实时性。该方法在多个基准测试中取得了显着的结果，提供了极大的灵活性。