AANet : Réseau d'agrégation adaptative pour une correspondance stéréo efficace

Malgré les progrès remarquables réalisés par les algorithmes d'appariement stéréo basés sur l'apprentissage, un défi majeur reste non résolu. Les modèles stéréo d'avant-garde actuels reposent principalement sur des convolutions 3D coûteuses, dont la complexité computationnelle cubique et la forte consommation mémoire rendent leur déploiement dans des applications réelles particulièrement onéreux. Dans cet article, nous visons à remplacer entièrement les convolutions 3D couramment utilisées afin d’obtenir une vitesse d’inférence rapide tout en maintenant une précision comparable. Pour atteindre cet objectif, nous proposons tout d’abord une méthode d’agrégation de coût intra-échelle basée sur des points creux, permettant de réduire efficacement le problème bien connu de l’épaississement des contours aux discontinuités de disparité. Par la suite, nous approximons l’algorithme traditionnel d’agrégation de coût inter-échelle par des couches de réseau neuronal afin de mieux gérer les régions étendues sans texture. Ces deux modules sont simples, légers et complémentaires, conduisant à une architecture efficace et performante pour l’agrégation de coût. Grâce à ces deux composants, nous parvenons non seulement à accélérer considérablement les modèles haut de gamme existants (par exemple, 41× plus rapide que GC-Net, 4× plus rapide que PSMNet et 38× plus rapide que GA-Net), mais aussi à améliorer les performances des modèles stéréo rapides (comme StereoNet). Nous obtenons également des résultats compétitifs sur les jeux de données Scene Flow et KITTI tout en fonctionnant à 62 ms, démontrant ainsi la polyvalence et l’efficacité élevée de la méthode proposée. Notre cadre complet est disponible à l’adresse suivante : https://github.com/haofeixu/aanet.