论文阅读笔记——DispSegNet: Leveraging Semantics for End-to-End Learning of Disparity Estimation from Stereo

写在前面：

这篇文章，思路和Segstereo类似，也是利用语义信息，只是通过分割的方式，其中视差估计和语义分割两个任务高度耦合。DispSegNet采用两步细化过程：开始初始化的视差被语义分割网络细化，模型是无监督训练得到，其中立体图像对通过变换计算光度误差。

以下是其结构图：整个过程包括：

 (a) 矫正过的立体图像.

 (b) 提取特征.

 (c)把对应特征串联在一起构成成本容积.

 (d)用3D卷积从成本容积得到初始视差. 

(e) 初始视差融合分割嵌入（segment embedding）进行改进. 这里PSP (Pyramid scene parsing)结合更多上下文信息完成语义分割任务. 

(f) 输出估计的视差和语义分割.

文章的大致内容如下：