.png){kind=icon}
返回
DiffuVolume: Diffusion Model for Volume based Stereo Matching
.png){kind=icon}
PRE
AI
DOI：10.1007/s11263-025-02362-1.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
立体匹配是许多计算机视觉任务和基于驾驶的应用中的重要组成部分。最近，基于代价体积的方法得益于配对图像中丰富的几何信息，取得了巨大成功。然而，代价体积的冗余性也会干扰模型训练并限制性能。为了构建更精确的代价体积，我们开创性地将扩散模型应用于立体匹配。我们的方法，称为DiffuVolume，将扩散模型视为代价体积滤波器，能够递归地从代价体积中去除冗余信息。两个主要设计使我们的方法非平凡。首先，为了使扩散模型更适应立体匹配，我们摒弃了直接向图像添加噪声的传统方式，而是将扩散模型嵌入到任务特定的模块中。通过这种方式，我们在端点误差（EPE）改进方面优于传统的扩散立体匹配方法27%，并将参数减少了7倍。其次，DiffuVolume可以轻松嵌入到任何基于体积的立体匹配网络中，仅需轻微增加参数（约2%）即可提升性能。通过将DiffuVolume添加到表现优异的方法中，我们在Scene Flow、KITTI2012、KITTI2015基准测试和零样本泛化设置中超越了所有已发表的方法。值得一提的是，所提出的模型自2023年7月15日起，在KITTI 2012排行榜上排名第一，在KITTI 2015排行榜上排名第二。
Keyword:
Stereo matching
Cost volume
Information filtering
Task-specific diffusion process
期刊
IF:
9.3
论文数:
3.9K
被引数:
2.8W
机构
引用论文
.png){kind=icon}
分享收藏
DeepDriving: Learning Affordance for Direct Perception in Autonomous Driving深度驾驶: 自动驾驶中直接感知的学习能力
OAAI
OAAI分享收藏
查看更多内容