摘要
我们提出 RAFT-Stereo，一种基于光流网络 RAFT 的新型校正立体匹配深度架构。该方法引入了多层级卷积门控循环单元（convolutional GRUs），能够更高效地在图像间传播信息。经过改进的 RAFT-Stereo 版本可实现高精度的实时推理。在 Middlebury 测试集上，RAFT-Stereo 荣获榜首，其 1 像素误差指标优于次优方法 29%；在 ETH3D 双视图立体匹配基准测试中，该方法也超越了所有已发表的工作。代码已开源，地址为：https://github.com/princeton-vl/RAFT-Stereo。
代码仓库
princeton-vl/raft-stereo
官方
pytorch
GitHub 中提及
基准测试
| 基准 | 方法 | 指标 |
|---|---|---|
| stereo-depth-estimation-on-spring | RAFT-Stereo | 1px total: 15.273 |