这篇文章，是2019年新的ICCV的papper，文章典型的使用了PatchMatch的思路，使得最后的速度快了很多。主要思路是：首先利用一种新颖的可微Patch Match算法来获得稀疏的cost volume。 然后，我们利用此表示来了解每个像素的修剪范围，自适应地修剪了每个区域的搜索空间。 最后，利用图像引导的优化模块来进一步提高性能。 由于所有组件都是可区分的，因此可以以端到端的方式训练整

理论恒叨系列 【理论恒叨】【立体匹配系列】经典PatchMatch: （1）Slanted support windows倾斜支持窗模型 【理论恒叨】【立体匹配系列】经典PatchMatch: （2）基于PatchMatch的视差估计 【理论恒叨】【立体匹配系列】经典PatchMatch: （3）后处理（一致性检查与视差填充） PatchMatchStereo1是Michael

Abstract (2018 一区)在立体匹配问题中，同时估计一个像素的视差和法向，而不仅仅是视差，也被称为3D标记方法，可以获得更高的亚像素精度。然而，由于参数空间的无限性，在保持全局一致性的同时，给来自连续标签空间R 3的每个像素分配合适的3D标签是极其困难的。本文提出了一种新的基于补丁匹配的超像素切割算法，以更准确地分配图像的三维标签。为了在本地窗口之间实现稳健而精确的立体匹配，我们提出了