Key points are not available for this paper at this time.
La super-résolution d'images stéréo (SR) vise à augmenter simultanément la résolution des paires d'images stéréo, ce qui bénéficie à de nombreuses tâches de diffusion multimédia tridimensionnelle (3D) et liées à la vision stéréoscopique, telles que la diffusion de télévision 3D et l'apariement stéréo. Un aperçu clé des réseaux de neurones convolutifs basés sur la SR d'images stéréo est d'imposer des interactions de caractéristiques stéréo entre les deux vues stéréo pour explorer des caractéristiques croisées complémentaires qui peuvent faciliter la SR dans les deux vues. Pour exploiter pleinement les caractéristiques stéréo croisées, nous proposons dans cet article un nouveau réseau à plusieurs étapes, en cascade par plusieurs interactions de caractéristiques stéréo, améliorant progressivement la qualité de la SR de grossier à fin. En particulier, un mécanisme d'attention stéréo guidé par les bords est proposé pour être intégré dans chaque interaction de caractéristiques stéréo afin de mieux saisir les détails structurels cohérents des vues croisées. Suivis par des modules de fusion et de reconstruction de caractéristiques stéréo, nous assemblons finalement un réseau d'interaction de caractéristiques stéréo guidé par les bords à plusieurs étapes (MESFINet) pour la SR d'images stéréo. Des expériences complètes sur les ensembles de données de référence KITTI2012, KITTI2015, Middlebury et Flickr1024 montrent que le MESFINet proposé atteint une performance supérieure par rapport aux méthodes de SR d'images stéréo à la pointe de la technologie et peut être utilisé pour améliorer la précision de l'appariement stéréo.
Wan et al. (Mon,) ont étudié cette question.