邱哲瀚，李 揚(yáng)

（廣東工業(yè)大學(xué)機(jī)電工程學(xué)院，廣州 510006）

（?通信作者電子郵箱lyang@gdut.edu.cn）

0 引言

立體匹配作為無人駕駛的核心技術(shù)之一，通過不斷提升實(shí)時性能為自動駕駛提供更穩(wěn)定的主動安全措施，伴隨著深度學(xué)習(xí)的進(jìn)步研究而不斷發(fā)展。立體匹配算法通過匹配雙目圖像對中的對應(yīng)像素，計算每對像素的視差值生成視差圖。比起傳統(tǒng)的立體匹配算法，深度學(xué)習(xí)視差估計算法可以有效優(yōu)化圖像深度估計中的不適定問題，能夠利用先驗(yàn)知識學(xué)習(xí)估算出遮擋和弱紋理區(qū)域的深度信息。基于深度學(xué)習(xí)的雙目立體匹配網(wǎng)絡(luò)基本構(gòu)成［1］包括：雙目圖像對、空間特征提取模塊、視差代價聚合卷（cost-volume）和視差回歸模塊。

2015年，Mayer等［2］首次提出端對端的雙目視差估計網(wǎng)絡(luò)DispNet，通過下采樣方式提取空間特征后構(gòu)建視差代價聚合卷cost-volume，并對cost-volume 進(jìn)行視差解碼，最終回歸出稠密的視差估計圖。網(wǎng)絡(luò)DispNet采用端對端的結(jié)構(gòu)，可以直接從雙目圖像中獲取視差估計圖，算法的總體性能高。為了進(jìn)一步提高預(yù)測精度，不同于Mayer 等采用二維卷積視差回歸模塊，Chang 等［3］提出的PSMNet（Pyramid Stereo Matching Network）將下采樣的空間特征通過偏移、堆疊形成帶有視差通道的4 維cost-volume，并引入三維卷積層［4］進(jìn)行視差回歸，顯著提升了視差估計的準(zhǔn)確性，但同時也增加了運(yùn)算資源占用。這是由于卷積層維度從二維到三維的增加，導(dǎo)致了網(wǎng)絡(luò)參數(shù)量大幅增長，算法的實(shí)時性能隨之也大幅下降。為此，本文方法在構(gòu)建4 維cost-volume 時，采用稀疏卷積代替稠密卷積，通過只對前景進(jìn)行特征提取的方式減小輸入?yún)?shù)量的初始規(guī)模，達(dá)到緩解卷積層維度增加帶來的參數(shù)量增長問題。

針對如何提高算法實(shí)時性的問題，Graham［5］提出用稀疏卷積（Sparse Convolution，SC）代替稠密卷積減少運(yùn)算量。稀疏性允許網(wǎng)絡(luò)使用運(yùn)算效率更高的卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，CNN）架構(gòu)，且運(yùn)行更大、稀疏的CNN 可能會提高結(jié)果的準(zhǔn)確性。具體地，Graham［6］通過在前景區(qū)域設(shè)置活動站點(diǎn)（active site）稀疏化數(shù)據(jù)，使得SC 只對稀疏化的數(shù)據(jù)進(jìn)行卷積操作，減少了運(yùn)算量。針對SC會隨著卷積層的加深無法保留數(shù)據(jù)稀疏性的問題，Graham 等［7］提出了子流形稀疏卷積（Submanifold Sparse Convolution，SSC）。SSC 只對輸入的活動站點(diǎn)進(jìn)行卷積操作，且只對具有激活站點(diǎn)的輸出賦值，在保持?jǐn)?shù)據(jù)原有稀疏性的同時進(jìn)一步減少了運(yùn)算量。為了最大限度發(fā)揮SC的優(yōu)勢、克服稠密卷積參數(shù)量大的缺點(diǎn)，本文方法通過分割算法稀疏化輸入數(shù)據(jù)，并在特征提取主干網(wǎng)絡(luò)中使用SC 和SSC 完全取代稠密卷積，改善了立體匹配算法的實(shí)時性。此外，Uhrig等［8］使用SC在稀疏數(shù)據(jù)中恢復(fù)出稠密視差圖，表明SC具有從稀疏數(shù)據(jù)中提取深度信息的能力。根據(jù)該結(jié)論，本文方法使用SC 構(gòu)造視差回歸模塊，通過解碼稀疏視差代價聚合卷中的深度信息，生成能夠預(yù)測稀疏前景的視差估計圖。因此配合分割算法和SC 實(shí)現(xiàn)對立體匹配算法的優(yōu)化，能夠有效解決三維卷積解碼方式的實(shí)時性問題。

視差圖中前景的邊緣往往會有較大模糊，邊緣處視差值誤差率大。為了提升立體匹配算法的邊緣估計能力，Wang等［9］通過在視差特征中加入語義特征，提升了視差估計的邊緣效果；Fu 等［10］提出的注意力模塊起到語義上優(yōu)化邊緣細(xì)節(jié)的效果?？墒且话愕淖⒁饬δK只適用于稠密特征，不能兼容稀疏化特征的提取。本文方法借鑒了注意力機(jī)制的構(gòu)筑方式，構(gòu)造了適用于稀疏特征的空間注意力機(jī)制；同時注意力機(jī)制末端采用自適應(yīng)線性疊加的方法，實(shí)現(xiàn)了語義特征和空間特征的疊加，形成能聚合空間、語義特征的語義注意力模塊。因此引入語義特征和注意力機(jī)制優(yōu)化立體匹配算法，能夠有效地提升網(wǎng)絡(luò)整體的視差估計精度。

總體上，本文方法利用編碼-解碼結(jié)構(gòu)的語義分割網(wǎng)絡(luò)LEDNet［11］作為前景分割模塊稀疏化數(shù)據(jù)，配合一般SC 和SSC逐層提取前景空間特征，大幅減小輸入數(shù)據(jù)的冗余度，提高了立體匹配算法的運(yùn)算效率。充分利用LEDNet 編碼模塊的高層語義特征，通過建立語義注意力機(jī)制優(yōu)化稀疏卷積層，可提升視差估計的整體邊緣效果。在數(shù)據(jù)集ApolloScape 的測試中，對比驗(yàn)證了本文方法的實(shí)時性和準(zhǔn)確性，并通過消融實(shí)驗(yàn)證明了本文方法各模塊的有效性。

1 模型架構(gòu)

本文針對場景目標(biāo)深度估計情景下，基于稠密卷積的雙目視差估計算法所采取全局特征無差別提取的學(xué)習(xí)策略，既耗費(fèi)額外計算資源，又降低網(wǎng)絡(luò)提取特征的效率的問題，提出了基于SC 的立體匹配網(wǎng)絡(luò)（SPSMNet）。模型整體架構(gòu)如圖1所示，本文網(wǎng)絡(luò)利用編碼-解碼形式的語義分割模塊將圖像分割成形狀不規(guī)則的前景元素和背景元素，把前景元素作為掩膜稀疏化圖像并將其輸入到空間特征提取模塊；利用語義分割編碼模塊生成空間注意力機(jī)制優(yōu)化空間特征的提取，同時將語義信息嵌入到空間特征中構(gòu)建視差代價聚合卷；使用帶有視差通道的三維稀疏卷積模塊解碼視差代價聚合卷，最終回歸出視差估計圖。

圖1 SPSMNet模型架構(gòu)Fig.1 SPSMNet model architecture

1.1 語義分割模塊

在立體匹配網(wǎng)絡(luò)SPSMNet 中，語義分割模塊需要為網(wǎng)絡(luò)提供前景分割功能和提取語義信息，以供后續(xù)空間特征提取模塊和語義注意力模塊的使用，符合條件的語義分割模塊的結(jié)構(gòu)將會是編碼-解碼形式；同時，語義分割模塊作為前置模塊，必須兼有精度高和處理快的特點(diǎn)。LEDNet作為輕量級語義分割網(wǎng)絡(luò)且具備編碼-解碼形式的結(jié)構(gòu)，在數(shù)據(jù)集ApolloScape 的平均精確度（Average Precision，AP）達(dá)到0.91，因此很適合作為語義分割模塊。

前景分割功能是稀疏化輸入的雙目圖像的過程。利用網(wǎng)絡(luò)LEDNet語義分割出的前景掩膜，可以獲得輸入圖像的前景區(qū)域。對輸入圖像的前景區(qū)域設(shè)置活動站點(diǎn)標(biāo)識，使得后續(xù)的空間特征提取模塊能夠識別需要處理的區(qū)域，從而只對輸入圖像的前景部分進(jìn)行卷積操作，實(shí)現(xiàn)了輸入圖像稀疏化的功能。語義信息的獲取得益于LEDNet 的構(gòu)成形式。LEDNet采用多次下采樣構(gòu)造語義編碼模塊，使得豐富的語義信息緊湊地匯集在編碼模塊的最后一層特征圖。由此，后續(xù)的語義注意力模塊能夠簡單方便地獲取和使用語義信息。

1.2 空間特征提取模塊

基于稠密卷積的立體匹配算法，需要通過學(xué)習(xí)全局特征以區(qū)別多種類多目標(biāo)邊界處的邊緣細(xì)節(jié)、估算各物體內(nèi)部視差。不同于一般的稠密卷積，SC 可以有選擇性地學(xué)習(xí)前景空間特征，網(wǎng)絡(luò)的計算資源被更多地分配在優(yōu)化目標(biāo)視差的任務(wù)上，這使得采用稀疏卷積CNN 架構(gòu)的立體匹配算法具有良好的準(zhǔn)確性和實(shí)時性。利用稀疏卷積能夠高效提取稀疏特征的特點(diǎn)，使用SC和SSC構(gòu)建4層下采樣的空間特征提取模塊，模塊架構(gòu)如圖2所示。

圖2 空間特征提取模塊Fig.2 Spatial feature extraction module

采用步長為2 的SC 和最大池化函數(shù)實(shí)現(xiàn)逐層下采樣，以保留顯著的空間特征、降低特征維度和增大卷積核的感受野；直連或殘差連接的SSC 保證了前景特征的稀疏性，同時加強(qiáng)了網(wǎng)絡(luò)訓(xùn)練的魯棒性；模塊尾端采用離散度為2 的SSC 拓寬卷積核的感受野。卷積層的輸入均采用批歸一化處理，并使用ReLU 非線性函數(shù)激活網(wǎng)絡(luò)節(jié)點(diǎn)，左右圖像特征提取的卷積層共享權(quán)重。

1.3 語義注意力模塊

SC 能夠很好地通過稀疏前景估算出前景內(nèi)部視差，但由于稀疏化的數(shù)據(jù)損失部分邊緣信息，生成的前景視差圖邊緣不清晰。為了補(bǔ)償丟失的邊緣信息，利用LEDNet解碼模塊最后一層的特征圖構(gòu)建語義注意力模塊，模塊架構(gòu)如圖3所示。

圖3 語義注意力模塊Fig.3 Semantic attention module

取LEDNet 編碼模塊的最后一層特征圖（segment feature map）記為S∈RC×H×W，特征圖S經(jīng)過核心數(shù)為1 的稠密卷積后生成{Q，K}∈R1×H×W。把{Q，K}統(tǒng)一整形成R1×N的結(jié)構(gòu)（其中N=H×W），將矩陣Q轉(zhuǎn)置后與K做矩陣乘積，并應(yīng)用softmax 函數(shù)生成注意力圖A∈RN×N。其中aij是注意力圖A的元素，i，j為元素坐標(biāo)，則由{Q，K}生成注意力圖A的計算方法如下所示：

取空間特征提取模塊的最后一層特征圖（disparity feature map）記為D∈RC×H×W，特征圖D經(jīng)過卷積核1× 1 的卷積后整形成RC×N結(jié)構(gòu)（其中N=H×W）。將經(jīng)過卷積并整形后的特征圖D與注意力圖A做矩陣乘積，結(jié)果加上語義特征圖S，之后整形生成聚合特征F∈RC×H×W。其中：fijk是聚合特征F的元素，i、j、k為元素坐標(biāo)，a、d、s分別是注意力圖A、經(jīng)過1× 1 卷積的空間特征圖D、語義特征圖S的元素，β為自適應(yīng)參數(shù)。則聚合特征F的計算方法如下所示：

1.4 稀疏視差代價聚合卷

對于一組雙目圖像輸入，在經(jīng)過語義注意力模塊之后，將會得到同時聚合了空間特征和語義特征的左、右兩個位置的聚合特征。為了維持特征的稀疏性，由語義注意力模塊得到的聚合特征是稀疏的；聚合特征所具有的活動站點(diǎn)標(biāo)識，其標(biāo)識的狀態(tài)與空間特征提取模塊最后一層的特征圖相一致。視差代價聚合卷是對左、右聚合特征的結(jié)合構(gòu)造，其組織也應(yīng)該是稀疏的。稀疏視差代價聚合卷的構(gòu)造方式與PSMNet［3］類似，都是結(jié)合左右圖中每個視差值對應(yīng)的特征圖，但只對具有活動站點(diǎn)標(biāo)識的特征做出響應(yīng)，并輸出維持著原有稀疏性的4維代價聚合卷（特征×視差×高×寬）。

在最大可預(yù)測視差值設(shè)定為D的情況下，由于聚合特征的寬高尺寸是目標(biāo)視差圖的1/8，前景視差估計將會產(chǎn)生D/8個視差值選項，即4維代價聚合卷的視差通道數(shù)目。4維代價聚合卷的第d個視差通道即視差值為d時，左、右聚合特征的結(jié)合方式為：左聚合特征保持不變，右聚合特征在寬通道上整體右移d個單位，之后在特征通道上對左右特征進(jìn)行拼接形成視差特征，最后將視差特征在寬通道上由于右移產(chǎn)生的無效左區(qū)間的數(shù)值置0；同時，移位操作會同步移動活動站點(diǎn)，置0 操作會取消活動站點(diǎn)，拼接操作也會拼接活動站點(diǎn)，這使得稀疏特征能夠被正確表示。最后將D/8 個視差特征在視差通道上進(jìn)行堆疊，形成帶有視差通道的稀疏4維代價聚合卷。

聚合卷內(nèi)不同視差通道的左、右聚合特征，在拼接成視差特征之前，其活動站點(diǎn)需要進(jìn)行平移和移除操作。根據(jù)雙目圖像左右位置的不同，從屬于代價聚合卷內(nèi)不同視差通道的活動站點(diǎn)a'left，a'right的激活情況如下所示，其中c、h、w是不同視差通道特征圖的特征、高、寬通道，d為通道視差值，ε為單位階躍函數(shù)，a是視差聚合前活動站點(diǎn)的激活情況：

在稀疏代價聚合卷的視差通道內(nèi)，經(jīng)過平移置零操作后的左、右聚合特征拼接成視差特征的活動站點(diǎn)激活方式如圖4 所示，對于視差通道的視差特征，圖（a）左聚合特征和圖（b）右聚合特征的活動站點(diǎn)標(biāo)識fleft、fright會合并到圖（c）代價聚合層的視差特征中，從而保持了原有特征的稀疏性。

圖4 視差通道激活方式Fig.4 Disparity channel activation mode

1.5 視差回歸模塊

為了適配稀疏的視差代價聚合卷，利用SC 和SSC 構(gòu)建三維卷積模塊對稀疏特征代價卷進(jìn)行解碼。模塊架構(gòu)如圖5 所示，模塊采用殘差連接的方式，SC 與SSC 交替聯(lián)結(jié)。卷積層的輸入均采用批歸一化處理，每個卷積層后面使用ReLU 非線性函數(shù)激活網(wǎng)絡(luò)節(jié)點(diǎn)。

在模塊末端的稀疏卷積層，通過連接SC+dense 層將稀疏的解碼圖轉(zhuǎn)化為稠密的解碼圖C∈RD×32×64，使用雙線性插值對解碼圖進(jìn)行8 倍上采樣得到C'∈RD×256×512，最后利用以下計算方法回歸出最終的視差估計圖，其中d為視差值：

1.6 損失函數(shù)

實(shí)現(xiàn)前景視差估計任務(wù)的監(jiān)督學(xué)習(xí)，具體做法是通過分割算法有選擇性地選取視差真值圖的前景區(qū)域，只對視差估計圖的前景區(qū)域使用平滑L1［12］損失作為網(wǎng)絡(luò)的損失函數(shù)。對于視差估計圖與視差真值圖D，圖上對應(yīng)的每個視差值與di，其整體損失函數(shù)可以表示為：

2 實(shí)驗(yàn)與結(jié)果

2.1 實(shí)驗(yàn)數(shù)據(jù)集

ApolloScape［13］數(shù)據(jù)集采集自真實(shí)路況場景，其中包括適用于不同訓(xùn)練任務(wù)的多個子數(shù)據(jù)集，以滿足自動駕駛多種應(yīng)用需求。立體匹配數(shù)據(jù)集Stereo 同時包含視差真值圖，前景標(biāo)簽圖和雙目圖像對的訓(xùn)練樣本共有4 158 個，以6∶2∶1 的比率將樣本劃分出訓(xùn)練集、驗(yàn)證集以及測試集，并對樣本進(jìn)行清洗和預(yù)處理，操作過程遵循以下規(guī)則：

1）去除錯誤標(biāo)注；

2）對于視差真值圖，車體小范圍遮擋區(qū)域利用鄰近的視差值替代，連續(xù)遮擋超過1/3車體的區(qū)域則直接刪除；

3）前景標(biāo)簽圖對應(yīng)視差真值圖的刪除區(qū)域也一并刪除。

為了適應(yīng)網(wǎng)絡(luò)輸出尺寸，采用雙線性插值的方法縮放視差真值圖，并按照相同比例對視差值進(jìn)行放縮，利用隨機(jī)裁剪的方式獲取作為訓(xùn)練標(biāo)簽的視差真值圖。

2.2 實(shí)驗(yàn)設(shè)置

2.2.1 訓(xùn)練設(shè)置

基于PyTorch［14］深度學(xué)習(xí)框架，網(wǎng)絡(luò)的搭載訓(xùn)練和測試過程都在NVIDIA RTX2080 GPU 上運(yùn)行（可以進(jìn)行3 個批處理的訓(xùn)練）。首先按照默認(rèn)參數(shù)設(shè)置，利用前景標(biāo)簽圖監(jiān)督學(xué)習(xí)得到訓(xùn)練好的LEDNet，將其嵌入到網(wǎng)絡(luò)中。將立體匹配的最大視差設(shè)置為192，梯度更新采用Adam 優(yōu)化器（動量參數(shù)β1=0.9，β2=0.999），以初始學(xué)習(xí)率0.001開始訓(xùn)練網(wǎng)絡(luò)。訓(xùn)練過程每進(jìn)行50 輪迭代，學(xué)習(xí)率下調(diào)到原來的1/2，直至網(wǎng)絡(luò)損失穩(wěn)定在某一數(shù)值為止。

2.2.2 測試設(shè)置

為了對比本文方法和其他同樣在ApolloScape 數(shù)據(jù)集上進(jìn)行訓(xùn)練的相關(guān)工作，本文采用了常用的衡量指標(biāo)評估結(jié)果。其中表示視差估計圖的預(yù)測值，di表示視差真值圖的實(shí)際值，則指標(biāo)表達(dá)式如下所示：

1）平均絕對誤差（Mean Absolute Error，MAE）：

2）絕對相對誤差（Absolute Relative Error，ARE）：

3）N點(diǎn)像素誤差（NPixel Error，NPE）：

2.3 實(shí)驗(yàn)結(jié)果

從ApolloScape 測試集中選取了5 個圖像對，將本文方法與PSMNet［3］和GANet（Guided Aggregation Network）［15］算法進(jìn)行對比實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果如圖6 和圖7 所示，其中前景標(biāo)簽標(biāo)識著輸入圖像的前景區(qū)域，視差真值的有效范圍與前景區(qū)域相對應(yīng)。從圖6、7 可以看出，本文方法能夠準(zhǔn)確預(yù)測前景的內(nèi)部視差和邊緣細(xì)節(jié)，尤其是中遠(yuǎn)距離物體的視差誤差（誤差圖前景色越暗淡誤差越?。┟黠@小于其他兩種算法；物體內(nèi)部視差相對統(tǒng)一，輪廓清晰且過渡穩(wěn)定，可以較好恢復(fù)重合物體的邊緣。

圖6 ApolloScape測試集的5組樣本Fig.6 Five group of samples in ApolloScape dataset

圖7 PSMNet、GANet和本文算法對圖6的視差估計結(jié)果Fig.7 Results of disparity estimation of PSMNet，GANet and proposed algorithms to Fig.6

在視差圖生成尺度統(tǒng)一為256×512 的情況下，對測試集的實(shí)驗(yàn)結(jié)果進(jìn)行了定量可視化，并把各種方法的誤差指標(biāo)進(jìn)行了對比，定量結(jié)果如表1 所示。表1 中，本文方法的平均絕對誤差為1.47 像素，視差誤差率在誤差大于2、3、5 像素時分別為22.05%、11.16%、3.94%，同時運(yùn)行幀率為每秒16.53幀，表現(xiàn)效果優(yōu)于對比的其他算法，具有較高的準(zhǔn)確度和實(shí)時性。

表1 ApolloScape測試集上的定量結(jié)果Tab.1 Quantitative results on ApolloScape dataset

2.4 消融實(shí)驗(yàn)

為了更好地分析各個優(yōu)化策略的性能，依據(jù)采取策略的不同，設(shè)置三組模型prototype1、prototype2和prototype3進(jìn)行消融實(shí)驗(yàn)。對比本文模型prototype3，模型prototype1 的CNN 架構(gòu)為一般的稠密卷積，模型prototype2則是采用稀疏卷積但不使用語義注意力策略。在視差圖生成尺度統(tǒng)一為256×512 的情況下，選取了ApolloScape測試集中的2個圖像對，各個模型的樣本實(shí)驗(yàn)結(jié)果如圖8 和圖9 所示。從圖8、9 可以看出，采取稀疏卷積策略可以更好地預(yù)測中遠(yuǎn)距離前景的內(nèi)部視差，語義注意力策略很好地彌補(bǔ)了前者策略在近景視差估計上的不足，邊緣細(xì)節(jié)也更加清晰。這得益于稀疏卷積策略能夠高效提取前景特征，同時語義注意力策略可以補(bǔ)充稀疏特征缺乏的高層語義信息，能指導(dǎo)生成更加精準(zhǔn)的視差圖。

圖8 ApolloScape測試集的2組樣本Fig.8 Two group of samples of ApolloScape test dataset

圖9 三個模型對圖8的視差估計結(jié)果Fig.9 Results of disparity estimation of three models to Fig.8

從表2 可以更加直觀地看出，本文方法prototype3 的視差誤差率在誤差大于2、3、5 像素時分別為22.05%、11.16%、3.94%，在三組模型中具有最佳性能；只采取稀疏卷積策略的模型prototype2，表現(xiàn)效果優(yōu)于單獨(dú)采用一般CNN架構(gòu)的模型prototype1。

表2 消融實(shí)驗(yàn)Tab.2 Ablation experiment

圖10展示了200個訓(xùn)練批次下三組模型的驗(yàn)證集損失曲線，從曲線走勢可以看出，采取了稀疏卷積策略的網(wǎng)絡(luò)比模型prototype1 收斂得更快、更平穩(wěn)；額外采用了語義注意力策略的模型prototype3，其網(wǎng)絡(luò)收斂速度略快于prototype2。綜上所述，本文方法所采用的稀疏卷積策略和語義注意力策略，都對視差估計結(jié)果的優(yōu)化具有一定的有效性。

圖10 三組模型的驗(yàn)證集損失曲線Fig.10 Validation dagaset loss curves for three models

3 結(jié)語

本文針對前景視差估計的特定任務(wù)下，使用稠密卷積架構(gòu)將造成立體匹配算法資源占用過高、實(shí)時性能不足等問題，提出了一種基于稀疏卷積架構(gòu)的實(shí)時立體匹配框架?？蚣懿捎昧讼∈杈矸e和語義注意力策略，可以提取豐富的空間、語義聯(lián)合特征，從而穩(wěn)定地獲得表面平滑，邊緣清晰的最終視差圖；采用了先提取前景后預(yù)測視差的方式，區(qū)別于直接獲取整個場景的視差圖，可以實(shí)現(xiàn)對前景區(qū)域更快更精準(zhǔn)的視差估計。實(shí)驗(yàn)結(jié)果表明，本文方法具有實(shí)時性和準(zhǔn)確性的優(yōu)勢，對前景遮擋表現(xiàn)出抗噪性和魯棒性，視差估計的效果明顯優(yōu)于現(xiàn)有的先進(jìn)方法。

稀疏卷積架構(gòu)允許擴(kuò)大輸入圖像的尺寸，通過更詳細(xì)的輸入信息獲得精度更高的視差圖，但是稀疏卷積提取的空間特征缺乏語義信息，這會導(dǎo)致高視差值區(qū)域的預(yù)測效果不如一般卷積。稀疏卷積架構(gòu)依賴于分割算法，分割精度會影響到前景空間特征的提取，這意味著網(wǎng)絡(luò)不是端到端的結(jié)構(gòu)。如何進(jìn)一步豐富稀疏架構(gòu)的語義特征，以及實(shí)現(xiàn)網(wǎng)絡(luò)的端到端結(jié)構(gòu)，這些需要在今后的工作中逐步改善和加強(qiáng)。