蒸留後のプルーニング：エッジデバイス上のリアルタイムステレオマッチングネットワークのための効率的な圧縮フレームワーク

近年、多数のリアルタイムステレオマッチング手法が提案されましたが、精度に欠けることが多いです。これらの手法は新しいモジュールを導入したり、従来の手法を統合することで精度の向上を試みていますが、改善はわずかです。本論文では、知識蒸留とモデルプルーニングを取り入れることにより、速度と精度間の内在的トレードオフを克服する新しい戦略を提案します。その結果、エッジデバイス上で高精度を維持しつつ、リアルタイム性能を実現するモデルを得ました。提案する方法は3つの重要なステップを含みます。まず、最先端の手法をレビューし、効率的なモデルから冗長なモジュールを除去して軽量モデルを設計します。次に、効率的なモデルを教師として活用し、軽量モデルに知識を蒸留します。最後に、軽量モデルを体系的にプルーニングし、最終モデルを得ます。SceneflowとKITTIという2つの広く使用されているベンチマークで実施した広範な実験を通じて、それぞれのモジュールの有効性を分析するためのアブレーションスタディを行い、最先端の結果を示します。