机管网 本文的PyTorch实施: , 作者:徐浩飞, 我们提出了基于稀疏点的规模内成本汇总(ISA)模块和跨规模成本汇总(CSA)模块,以实现高效,准确的立体声匹配。 此版本库中还包含改进版本AANet +的实现(更高的性能和更快的速度) 。 强调 模块化设计 我们将端到端立体声匹配框架分解为五个组件: 特征提取,成本量构建,成本汇总,视差计算和视差细化。 通过组合不同的组件,可以轻松构建定制的立体声匹配模型。 高效率 对于KITTI立体声对(384x1248分辨率),我们的方法可以运行60毫秒! 完整的框架 提供了用于在任何立体声对上进行训练,验证,评估,推断和预测的所有代码! 安装 我们的代码基于PyTorch 1.2.0,CUDA 10.0和python 3.7。 我们建议使用进行安装: conda env create -f environment.yml 安装依赖项后,构