Correlation算法

Correlation算法是一种基于双目视觉深度算法的方法。它是通过计算左右两个图像之间的相关性来估计视差（disparity）。基于Correlation的方法相比于基于Cost Volume的方法计算量较小，但准确率相对较低。在Correlation算法中，常见的方法包括DispNet、iResNet和AANet。

DispNet是一种基于Correlation的双目深度算法，它使用了卷积神经网络来进行相关性计算。其网络结构可以帮助提取图像中的特征，并通过计算相关性来估计视差。

iResNet是另一种基于Correlation的双目深度算法，它采用了残差网络的结构。残差网络可以有效地学习图像中的特征，并通过相关性计算来获得视差信息。

AANet是最新提出的基于Correlation的双目深度算法，它在准确率上取得了较高水平。AANet通过注意力机制来加强相关性计算，提高了深度估计的精度。