MobileStereoNet：ステレオマッチング向け軽量ディープネットワークの実現

ステレオマッチングにおける最近の手法は、ディープラーニングモデルを用いることで継続的に精度を向上させてきた。しかし、この精度向上は計算コストの著しい増加を伴い、中程度のGPUですらネットワークが収まらない場合がある。この問題は、リソース制約の厳しいデバイスへのモデル導入を困難にしている。このような課題に対応するため、精度を損なわずに計算複雑性を低減した2つの軽量モデルを提案する。コストボリュームの次元に応じて、2Dと3Dのモデルをそれぞれ設計し、それぞれ2Dおよび3D畳み込みを用いたエンコーダ・デコーダ構造を採用した。これにより、2D用に設計されたMobileNetブロックを活用し、立体視用途に適合するよう3Dへ拡張した。さらに、2Dモデルの精度向上を図るため、新たなコストボリュームを提案した。これにより、2Dモデルの性能が3Dネットワークとほぼ同等にまで向上した。実験の結果、提案する2D/3Dネットワークは、計算負荷を顕著に低減（2Dモデルではパラメータ数・演算量をそれぞれ27%・95%削減、3Dモデルでは72%・38%削減）しつつ、精度を維持できることを確認した。本研究のコードは、https://github.com/cogsys-tuebingen/mobilestereonet にて公開されている。