2018年CVPR双目立体视觉深度学习进展：MC-CNN、LRCR与CBMV

双目立体视觉是一种计算机视觉技术，它利用两幅或多幅来自不同视角的图像来创建深度感知，通常用于三维重建、机器人导航、虚拟现实等领域。在CVPR2018年的论文中，研究者们针对这一主题进行了深入探讨，提出了几种关键的神经网络模型来改进立体匹配的精度和效率。 首先，MC-CNN (Multi-Column Convolutional Neural Network) 是由Jure Zbontar和Yann LeCun在2015年的Deep Learning会议上提出的，这是首次将卷积神经网络(CNN)应用于立体匹配。MC-CNN的基本思想是将图像块作为输入，通过训练多列网络来比较它们的相似性。它的架构分为两类：fast architecture 和 accurate architecture。fast architecture 在训练时确保正样本和负样本数量均衡，只有当正样本的相似度高于负样本时，损失函数才生效，这有助于提高网络对匹配准确性的敏感性。此外，MC-CNN采用了交叉成本聚合策略（CBCA），如CBCA扩散和支持域U(p)，以及亚像素增强技术来提升细节处理能力。 LRCR (Left-Right Comparative Recurrent Model) 是2018年提出的一个进一步发展，它采用了一种左-右比较的递归模型，结合了常数高速路网络和卷积循环神经网络（ConvLSTM）。LRCR的重点在于通过左右图像间的比较，对遮挡区域的误匹配进行更细致的处理，例如使用背景视差值填充遮挡部分，并利用周围正确视差值的中位数进行插值校正。这种模型在构建Cost Volume时考虑了时间序列信息，从而提高了视差估计的鲁棒性和准确性。 另一项创新是CBMV (Coalesced Bidirectional Matching Volume)，同样在2018年提出，这是一种并行匹配体积方法，用于估计视差。CBMV通过合并双向匹配，创建了一个联合的匹配体积，从而提高了视差估计的效率和一致性。这种方法减少了计算复杂性，有助于实时应用。 这些模型展示了双目立体视觉领域中深度学习技术的不断进步，通过优化网络架构、引入递归机制和创新的匹配策略，提高了视差估计的精度，为立体视觉任务提供了强大的工具。这些研究成果不仅推动了学术界的研究，也为实际应用提供了有价值的参考。