PatchmatchNet: Learned Multi-View Patchmatch Stereo
主要贡献:
- 减少测试时的运算量以及记忆消耗, 使用coarse-to-fine的层级结构
- 用可学习模块替换 propagation 和 cost evaluation; 训练中加入randomness,
Methods
- 对N张输入图片,跑FPN,得到多层feature
- Learnable Patchmatch
- Depth Map Refinement
Patchmatch
- 初始化以及 Pertubation.
在第一个循环, 基于, 分成个间隔。在后面的stage, 对每个pixel执行个hypotheses,
见这篇
- Adaptive Propagation
实际做法比DCN还要再复杂一些,首先有一个baseline的5*5卷积核,使用CNN输出一个额外的offset. 但是不太看得出来差距在哪里
- Differentiable Warping
基于预测的深度以及外参进行sample