PulseAugur
实时 14:53:20
English(EN) Non-Learning Low-Light Stereo Vision

新的非学习立体视觉框架在低光照条件下表现出色

研究人员开发了一个新的立体视觉框架,该框架旨在在低光照条件下有效工作,即使在严重噪点的图像下也能如此。这种非学习方法利用了连接场(FoJ)来识别用于成本量构建的稳定视觉特征,同时忽略了与噪点无法区分的精细纹理。然后,该系统采用了一种边界感知的半全局匹配(SGM)算法,该算法会调整其平滑度惩罚以保留准确的视差不连续性,从而生成稀疏视差图,在基准数据集上的表现优于最近的立体算法。 AI

影响 这种新颖的立体视觉方法可以提高机器人和自动驾驶等应用在低光照和嘈杂环境中的性能。

排序理由 这是一篇详细介绍新颖立体视觉方法的学术论文。[lever_c_demoted from research: ic=1 ai=0.7]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Jason Wang, Lucas Nguyen, Hyunseung Eom, Wei Xu, Qi Guo ·

    Non-Learning Low-Light Stereo Vision

    arXiv:2606.00379v1 Announce Type: new Abstract: We present a non-learning stereo framework for disparity estimation from severely noisy images. Using the Field of Junctions (FoJ), it retains coarse visual features stable under severe noise for cost volume construction while disca…