GA-Net: 안내된 집계 네트워크를 이용한 엔드투엔드 스테레오 매칭

스테레오 매칭 작업에서, 매칭 비용 집계는 전통적인 방법과 딥 뉴럴 네트워크 모델 모두에서 정확한 이동량 추정을 위해 매우 중요합니다. 우리는 각각 로컬 및 전체 이미지 비용 의존성을 포착하기 위한 두 가지 새로운 신경망 계층을 제안합니다. 첫 번째는 반전역 집계 계층으로, 이는 반전역 매칭의 미분 가능한 근사입니다. 두 번째는 전통적인 비용 필터링 전략을 따르는 로컬 가이드 집계 계층으로, 얇은 구조를 개선하는 데 사용됩니다. 이 두 가지 계층은 연산량이 많고 메모리를 많이 소비하는 3D 컨볼루션 계층을 대체할 수 있으며, 3D 컨볼루션 계층은 세제곱 연산/메모리 복잡도를 가지고 있습니다. 실험에서는 두 계층 가이드 집계 블록을 사용한 네트워크가 19개의 3D 컨볼루션 계층을 가진 최신 기술인 GC-Net보다 쉽게 우수한 성능을 보임을 입증합니다. 또한, Scene Flow 데이터셋과 KITTI 벤치마크에서 최신 기술보다 더 나은 정확도를 얻는 깊은 가이드 집계 네트워크(GA-Net)를 훈련시키기도 하였습니다.