摘要
尽管基于学习的立体匹配算法取得了显著进展，但一个关键挑战仍未解决：当前最先进的立体匹配模型大多依赖于计算成本高昂的三维卷积。其立方级的计算复杂度和较高的内存消耗，使得这些模型在实际应用中的部署变得极为昂贵。本文旨在彻底摒弃常用的三维卷积，以实现快速推理速度的同时保持相当的精度。为此，我们首先提出一种基于稀疏点的尺度内代价聚合方法，有效缓解了在视差不连续处常见的边缘模糊（edge-fattening）问题。进一步地，我们采用神经网络层对传统的跨尺度代价聚合算法进行近似，以更好地处理大范围无纹理区域。上述两个模块结构简单、轻量化且具有互补性，共同构成了一种高效而有效的代价聚合架构。借助这两个模块，我们不仅可显著提升现有顶尖模型的推理速度（例如，相比GC-Net提升41倍，相比PSMNet提升4倍，相比GA-Net提升38倍），还能进一步提升快速立体匹配模型（如StereoNet）的性能。此外，我们在Scene Flow和KITTI数据集上取得了具有竞争力的实验结果，同时保持62毫秒的推理速度，充分展示了所提方法的通用性与高效率。我们的完整框架已开源，地址为：https://github.com/haofeixu/aanet。