张之敏, 乔建忠, 林树宽, 王品贺

(东北大学 计算机科学与工程学院, 辽宁 沈阳 110169)

立体匹配是三维场景重建的主要方法,在虚拟现实、无人驾驶汽车等领域得到广泛应用[1].然而,双目相机在设置时存在标定误差和同步问题,因此单目相机在实际应用场景中更受青睐.理论上,用单张图片构建三维场景的思路是一个不适定、几何意义模糊的问题,因为传统的单目深度估计方法很难在单个图像中直接获取几何三维线索[2].与几何正确性的立体匹配方法相比,当前最先进的基于深度学习的单目视觉方法存在一定的问题:①该方法几乎完全依赖于高级语义信息,直接利用输入图像和与其对应的真实深度图之间的关系构建预测模型；由于对其需要逼近的函数没有任何先验知识,因此学习语义信息是很困难的[3]；②即使有效地学习,该方法也需要大量昂贵且高质量的相匹配的真实深度图作为监督标签[4].为了解决这些问题,Luo等[5]首次证明了单目深度估计问题可以被重新表述为两个子问题,即视图合成问题和立体匹配问题,并取得了精确的估计结果.然而,该方法中的立体匹配效率,很大程度上取决于视图合成过程的精度,因此,本文将视图合成作为文章的研究重点.当前有许多文献对图像重构方法做了研究,Flynn等[6]首次通过卷积深度网络从其他视图中获取像素来重构不可见视图.Zhou等[7]利用卷积神经网络学习相同实例的不同视角的……