A Decade of Transformation: How Deep Learning Redefined Stereo Matching in the Twenties
立体匹配是近半个世纪以来计算机视觉的一个基本课题，它涉及从两张校正后的图片计算密集的视差图。它在许多应用中起着关键作用，包括自动驾驶、机器人技术和增强现实等。根据其成本-体积计算和优化方法，现有调查将端到端架构分为 2D 文章《十年转型：深度学习如何在二十年代重新定义立体匹配》首先出现在 AI Quantum Intelligence 上。
摘要：《2015 财年部队 2025 演习年度报告》第 3 节指出，在密集城市区域 (DUA)，特别是在地下、地表或超地表结构中，识别威胁的能力将会减弱。大多数商用光探测和测距 (LIDAR) 系统都是专门为高分辨率航空成像和测绘应用而设计的。因此，它们往往体积大、重、耗电、数据带宽密集且价格昂贵。它们还使用通常对眼睛不安全的激光器，这限制了它们在地下以及地下或超表面结构内部的整体有效性。然而，由于汽车行业的最新进展，新一代尺寸、重量、功率和成本 (SWaP-C) 传感器对人眼安全，使其适合在室内和地下环境中使用。虽然这些权衡限制了它们的有效使用距离为数百米（相比之下，更昂贵的同类产品的有效使
