15

引入辅助任务信息有助于立体匹配模型理解相关知识，但也会增加模型训练的复杂度。为解决模型训练对额外标签数据的依赖问题，提出一种利用双目图像的自相关性进行多任务学习的立体匹配算法。该算法在多层级渐进细化过程中引入边缘和特征一致性信息，并采用循环迭代的方式更新视差图。根据双目图像中视差的局部平滑性和左右特征一致性构建损失函数，在不依赖额外标签数据的情况下就可以引导模型学习边缘和特征一致性信息。提出一种尺度注意的空间金字塔池化，使模型能够根据局部图像特征来确定不同尺度特征的重要性。实验结果表明：辅助任务的引入不仅提高了视差图精度，而且可以为视差图的可信区域提供一定依据，也能在无监督学习中用于确定单视角可见区域；在KITTI2015测试集上，所提算法的精度和运行效率均具有一定的竞争性。

王玉锋, 王宏伟, 刘宇, 杨明权, 全吉成. 基于多任务学习的立体匹配算法[J]. 激光与光电子学进展, 2020, 57(22): 4.  复制并引用该论文