摘要

立体匹配是许多视觉和机器人应用的基础组件。一种信息丰富且简洁的成本体积表示对于实现高精度和高效的立体匹配至关重要。在本文中，我们提出了一种新颖的成本体积构建方法，该方法从相关线索生成注意力权重，以抑制冗余信息并增强连接体积中的匹配相关信息。为了生成可靠的注意力权重，我们提出了多级自适应补丁匹配方法，以提高不同视差下的匹配成本的独特性，即使在无纹理区域也是如此。所提出的成本体积被命名为注意力连接体积（Attention Concatenation Volume, ACV），可以无缝嵌入大多数立体匹配网络中。使用这种成本体积的网络可以采用更轻量的聚合网络，同时实现更高的精度，例如仅使用聚合网络参数的1/25即可使GwcNet达到更高的精度。此外，我们基于ACV设计了一个高精度网络（ACVNet），该网络在多个基准测试中实现了最先进的性能。