CN113793290A - 一种视差确定方法、装置、设备、介质和程序产品 - Google Patents

Abstract

本公开提供了一种视差确定方法，涉及人工智能领域，具体涉及计算机视觉和深度学习技术，具体可用于三维重建场景下。实现方案为：获取目标视图相应的多个图像，多个图像中的每一个图像为通过对目标视图进行尺寸调整来获得的，并且多个图像中的每一个图像与视差优化网络中相应的层结构所输出的特征图的尺寸相同；以及至少将初始视差图输入到视差优化网络，并且将多个图像中的每一个图像与相应的层结构所输出的特征图进行融合，获取视差优化网络输出的优化视差图，初始视差图为至少基于目标视图来生成的。

Description

一种视差确定方法、装置、设备、介质和程序产品

技术领域

本公开涉及人工智能领域，具体涉及计算机视觉和深度学习技术，具体可用于三维重建场景下，尤其涉及一种视差确定的方法、装置、电子设备、计算机可读存储介质和计算机程序产品。

背景技术

人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术:人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。

将深度学习技术应用于双目立体匹配具有十分重要的意义。在相关技术中，对双目立体匹配中视差图的生成以及优化仍然有很大的提高空间。

在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明，否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地，除非另有指明，否则此部分中提及的问题不应认为在任何现有技术中已被公认。

发明内容

本公开提供了一种视差确定的方法、装置、电子设备、计算机可读存储介质和计算机程序产品。

根据本公开的一方面，提供了一种利用视差优化网络来实现的视差确定方法，视差优化网络包括多个级联的层结构，并且方法包括：获取目标视图相应的多个图像，多个图像中的每一个图像为通过对目标视图进行尺寸调整来获得的，并且多个图像中的每一个图像与视差优化网络中相应的层结构所输出的特征图的尺寸相同；至少基于目标视图生成初始视差图；以及至少将初始视差图输入到视差优化网络，并且将多个图像中的每一个图像与相应的层结构所输出的特征图进行融合并将融合所得到的图像输入到视差优化网络，获取视差优化网络输出的优化视差图。

根据本公开的另一方面，提供了一种视差优化网络的训练方法，视差优化网络包括多个级联的层结构，并且方法包括：获取样本视图相应的真实视差图和多个样本图像，多个样本图像中的每一个样本图像为通过对样本视图进行尺寸调整来获得的，并且多个样本图像中的每一个样本图像与视差优化网络中相应的层结构所输出的特征图的尺寸相同；至少基于样本视图生成初始样本视差图；至少将初始样本视差图输入到视差优化网络，并且将多个样本图像中的每一个样本图像与相应的层结构所输出的特征图进行融合并将融合所得到的图像输入到视差优化网络，获取视差优化网络输出的优化样本视差图；将优化样本视差图和真实视差图输入到判别网络，以确定判别概率，判别概率能够表征优化样本视差图与真实视差图之间的差异，真实视差图具有与优化样本视差图相同的尺寸；响应于判别概率不符合预设的判别条件，更新视差优化网络和所述判别网络的参数；以及迭代上述过程直到判别概率符合所述预设的判别条件。

根据本公开的另一方面，提供了一种利用视差优化网络来实现的视差确定装置，视差优化网络包括多个级联的层结构，并且装置包括：获取模块，被配置为获取目标视图相应的多个图像，多个图像中的每一个图像为通过对目标视图进行尺寸调整来获得的，并且多个图像中的每一个图像与视差优化网络中相应的层结构所输出的特征图的尺寸相同；生成模块，被配置为至少基于目标视图生成初始视差图；以及优化模块，被配置为至少将初始视差图输入到视差优化网络，并且将多个图像中的每一个图像与相应的层结构所输出的特征图进行融合并将融合所得到的图像输入到视差优化网络，获取视差优化网络输出的优化视差图。

根据本公开的另一方面，提供了一种视差优化网络的训练装置，视差优化网络包括多个级联的层结构，并且装置包括：获取模块，被配置为获取样本视图相应的真实视差图和多个样本图像，多个样本图像中的每一个样本图像为通过对样本视图进行尺寸调整来获得的，并且多个样本图像中的每一个样本图像与视差优化网络中相应的层结构所输出的特征图的尺寸相同；生成模块，被配置为至少基于样本视图生成初始样本视差图；确定模块，被配置为至少将初始样本视差图输入到视差优化网络，并且将多个样本图像中的每一个样本图像与相应的层结构所输出的特征图进行融合并将融合所得到的图像输入到视差优化网络，获取视差优化网络输出的优化样本视差图；判别模块，被配置为将优化样本视差图和真实视差图输入到判别网络，以确定判别概率，判别概率能够表征优化样本视差图与真实视差图之间的差异，真实视差图具有与优化样本视差图相同的尺寸；更新模块，被配置为响应于判别概率不符合预设的判别条件，更新视差优化网络和判别网络的参数；以及迭代模块，被配置为迭代上述过程直到判别概率符合预设的判别条件。

根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行上述的方法。

根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行上述的方法。

根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现上述的方法。

根据本公开的一个或多个实施例，可以改善视差图的质量。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图示例性地示出了实施例并且构成说明书的一部分，与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的，并不限制权利要求的范围。在所有附图中，相同的附图标记指代类似但不一定相同的要素。

图1示出了根据本公开的实施例的可以在其中实施本文描述的各种方法的示例性系统的示意图；

图2示出了根据本公开的实施例的视差确定的方法的流程图；

图3示出了根据本公开的实施例的在图2所示的方法中获取优化视差图的流程图；

图4示出了根据本公开的实施例的在图3所示的方法中进行融合的流程图；

图5示出了根据本公开的实施例的视差确定的示意图；

图6示出了根据本公开的实施例的视差优化网络的训练方法的流程图；

图7示出了根据本公开的实施例的视差确定的整体示意图；

图8示出了根据本公开的实施例的视差确定装置的结构框图；

图9示出了根据本公开的实施例的视差优化网络的训练装置的结构框图；

图10示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

在本公开中，除非另有说明，否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系，这种术语只是用于将一个元件与另一元件区分开。在一些示例中，第一要素和第二要素可以指向该要素的同一实例，而在某些情况下，基于上下文的描述，它们也可以指代不同实例。

在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的，而并非旨在进行限制。除非上下文另外明确地表明，如果不特意限定要素的数量，则该要素可以是一个也可以是多个。此外，本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。

下面将结合附图详细描述本公开的实施例。

双目立体匹配一直是双目视觉的研究热点，双目相机拍摄同一场景的左、右两幅视点图像，运用立体匹配算法获得视差图，进而获得深度图。利用深度学习技术来解决双目立体匹配问题具有十分重要的意义，但是生成的视差图往往有着噪声多，深度预测不准等等问题，所以需要结合视差图优化来进行一个后处理。视差优化可以改善视差图的质量，剔除错误视差并对视差图进行适当的平滑，使得最终的视差图具有实际应用意义。

在相关技术中，视差图优化一般采用左右一致性检查(Left-Right Check)算法剔除因为遮挡和噪声而导致的错误视差；采用剔除小连通区域算法来剔除孤立异常点；采用中值滤波(Median Filter)、双边滤波(Bilateral Filter)等平滑算法对视差图进行平滑；另外还有一些有效提高视差图质量的方法如鲁棒平面拟合(Robust Plane Fitting)、亮度一致性约束(Intensity Consistent)、局部一致性约束(Locally Consistent)等也常被使用。

相关主流技术主要依赖于传统视觉中的几何关系来对视差图中的部分区域进行建模然后对应优化，无法结合输入双目图中丰富的语义信息来进行一个指导，另外，生成的图也不够接近于真实的视差图。

本申请通过设计视差图优化网络，融合双目图像中的信息，来指导视差图的优化，达到改善视差图质量的目的，并且可用于测量、三维重建、以及虚拟视点的合成等。

图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性系统100的示意图。参考图1，该系统100包括一个或多个客户端设备101、102、103、104、105和106、服务器120以及将一个或多个客户端设备耦接到服务器120的一个或多个通信网络110。客户端设备101、102、103、104、105和106可以被配置为执行一个或多个应用程序。

在本公开的实施例中，服务器120可以运行使得能够执行视差确定的方法的一个或多个服务或软件应用。

在某些实施例中，服务器120还可以提供可以包括非虚拟环境和虚拟环境的其他服务或软件应用。在某些实施例中，这些服务可以作为基于web的服务或云服务提供，例如在软件即服务(SaaS)模型下提供给客户端设备101、102、103、104、105和/或106的用户。

在图1所示的配置中，服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。操作客户端设备101、102、103、104、105和/或106的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。应当理解，各种不同的系统配置是可能的，其可以与系统100不同。因此，图1是用于实施本文所描述的各种方法的系统的一个示例，并且不旨在进行限制。

用户可以使用客户端设备101、102、103、104、105和/或106来确定视差。客户端设备可以提供使客户端设备的用户能够与客户端设备进行交互的接口。客户端设备还可以经由该接口向用户输出信息。尽管图1仅描绘了六种客户端设备，但是本领域技术人员将能够理解，本公开可以支持任何数量的客户端设备。

客户端设备101、102、103、104、105和/或106可以包括各种类型的计算机设备，例如便携式手持设备、通用计算机(诸如个人计算机和膝上型计算机)、工作站计算机、可穿戴设备、智能屏设备、自助服务终端设备、服务机器人、游戏系统、瘦客户端、各种消息收发设备、传感器或其他感测设备等。这些计算机设备可以运行各种类型和版本的软件应用程序和操作系统，例如MICROSOFT Windows、APPLE iOS、类UNIX操作系统、Linux或类Linux操作系统(例如GOOGLE Chrome OS)；或包括各种移动操作系统，例如MICROSOFT WindowsMobile OS、iOS、Windows Phone、Android。便携式手持设备可以包括蜂窝电话、智能电话、平板电脑、个人数字助理(PDA)等。可穿戴设备可以包括头戴式显示器(诸如智能眼镜)和其他设备。游戏系统可以包括各种手持式游戏设备、支持互联网的游戏设备等。客户端设备能够执行各种不同的应用程序，例如各种与Internet相关的应用程序、通信应用程序(例如电子邮件应用程序)、短消息服务(SMS)应用程序，并且可以使用各种通信协议。

网络110可以是本领域技术人员熟知的任何类型的网络，其可以使用多种可用协议中的任何一种(包括但不限于TCP/IP、SNA、IPX等)来支持数据通信。仅作为示例，一个或多个网络110可以是局域网(LAN)、基于以太网的网络、令牌环、广域网(WAN)、因特网、虚拟网络、虚拟专用网络(VPN)、内部网、外部网、公共交换电话网(PSTN)、红外网络、无线网络(例如蓝牙、WIFI)和/或这些和/或其他网络的任意组合。

服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如PC(个人计算机)服务器、UNIX服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以包括运行虚拟操作系统的一个或多个虚拟机，或者涉及虚拟化的其他计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中，服务器120可以运行提供下文所描述的功能的一个或多个服务或软件应用。

服务器120中的计算单元可以运行包括上述任何操作系统以及任何商业上可用的服务器操作系统的一个或多个操作系统。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个，包括HTTP服务器、FTP服务器、CGI服务器、JAVA服务器、数据库服务器等。

在一些实施方式中，服务器120可以包括一个或多个应用程序，以分析和合并从客户端设备101、102、103、104、105和106的用户接收的数据馈送和/或事件更新。服务器120还可以包括一个或多个应用程序，以经由客户端设备101、102、103、104、105和106的一个或多个显示设备来显示数据馈送和/或实时事件。

在一些实施方式中，服务器120可以为分布式系统的服务器，或者是结合了区块链的服务器。服务器120也可以是云服务器，或者是带人工智能技术的智能云计算服务器或智能云主机。云服务器是云计算服务体系中的一项主机产品，以解决传统物理主机与虚拟专用服务器(VPS，Virtual Private Server)服务中存在的管理难度大、业务扩展性弱的缺陷。

系统100还可以包括一个或多个数据库130。在某些实施例中，这些数据库可以用于存储数据和其他信息。例如，数据库130中的一个或多个可用于存储诸如音频文件和视频文件的信息。数据库130可以驻留在各种位置。例如，由服务器120使用的数据库可以在服务器120本地，或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据库130可以是不同的类型。在某些实施例中，由服务器120使用的数据库例如可以是关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。

在某些实施例中，数据库130中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类型的数据库，例如键值存储库，对象存储库或由文件系统支持的常规存储库。

图1的系统100可以以各种方式配置和操作，以使得能够应用根据本公开所描述的各种方法和装置。

图2示出了根据本公开的实施例的视差确定的方法200的流程图。如图2所示，视差确定方法200包括步骤210至230。

在步骤210，获取目标视图相应的多个图像，多个图像中的每一个图像为通过对目标视图进行尺寸调整来获得的，并且多个图像中的每一个图像与视差优化网络中相应的层结构所输出的特征图的尺寸相同。在一个示例中，目标视图双目视觉中左右图像中选择的一个。例如，可以选择双目视觉中的左图为目标视图，然后通过调整目标视图的大小生成多张图像。每张图像对应一个不同的尺寸。在一个示例中，可以对目标图像的长度和宽度均缩放1/2，以得到多个图像中的一张图像。然后对该图像在进行进一步缩放，例如长度和宽度均缩放1/2，以得到多个图像中的另一张图像。以此类推，可以得到关于目标视图的不同尺寸的多个图像。在一个示例中，视差优化网络包括与多个图像的尺寸相对应的多个层结构并且每一层结构所输出的特征图与多个图像中相应的图像地尺寸相同。

在步骤220，至少基于目标视图生成初始视差图。在一个示例中，可以利用双目视觉生成初始视差图，并且目标图像是用于生成该初始视差图的左右两张图像中的一张。

在步骤230，至少将初始视差图输入到视差优化网络，并且将多个图像中的每一个图像与相应的层结构所输出的特征图进行融合并将融合所得到的图像输入到视差优化网络，获取视差优化网络输出的优化视差图。在一个示例中，视差优化网络中的每一层结构所输出的特征图与多个图像中具有与该特征图相同尺寸的图像进行融合。

综上所述，方法200通过将多尺寸的目标视图与视差优化网络中各层结构的输出特征图进行融合，充分利用了目标视图中的信息来指导初始视差图的优化。因此，方法200能够结合目标视图中丰富的信息，有效减少视差图中的错误信息，提高视差图的质量。

在一些示例性实施例中，视差优化网络中的各层结构均包括特征提取层和池化层。在一个示例中，通过每一个层结构中的特征提取层，视差优化网络能够提取目标视图中的语义信息以生成特征图。此外，通过在每一个层结构中加入池化层，能够保证提取的特征图与多个图像中相应的图像具有相同的尺寸，从而保证后续的融合。在一个示例中，所提取的语义信息可以包括例如图像中各个物体的轮廓、位置、像素差异等。

在一些示例性实施例中，对每一个图像与相应的层结构所输出的特征图所进行的融合包括通道堆叠、矩阵相乘或矩阵相加。在一个示例中，特征图是N通道，并且多个图像中的相应图像是3通道，则融合特征图和相应图像可以是通道上的堆叠，以得到N+3通道的融合图像。因次，通过融合操作，可以在每个层结构的输入中引入相应的图像的信息，从而指导视差图优化。

在一个示例性实施例中，获取视差优化网络输出的优化视差图包括将目标视图与初始视差图进行融合，得到初始融合图像。然后，将初始融合图像输入到视差优化网络以进行优化。在一个示例中，第一层结构的输入为初始视差图与目标视图进行融合得到的初始融合图像。

图3示出了根据本公开的实施例的在图2所示的方法200中获取优化视差图的流程图。如图3所示，获取优化视差图(步骤230)还包括步骤310至步骤330。

在步骤310，将多个图像中的每一个图像与相应的层结构所输出的特征图进行融合，以得到相应的融合图像。

在步骤320，将相应的融合图像输入到相应的层结构的下一层。

在步骤330，基于视差优化网络的最后一层结构，确定优化视差图。

在一个示例中，除视差优化网络中除最后一层结构的各层结构的输出均与相应的图像进行融合，以得到相应的融合图像。然后，将融合图像输入到下一层结构。视差优化网络的最后一层结构的输出不再进行融合，而是输出优化后的视差图。因此，采用本实施例的级联结构，能够依次结合各个层结构所提取的特征。随着层结构的递进，所融合的图像的尺寸越来越小，并且所提取的特征越来越抽象化。综上所述，本公开的实施例能够利用多层结构提取多种特征，提高了视差图优化的质量。

图4示出了根据本公开的实施例的在图3所示的方法中进行融合的流程图。如图3所示，将多个图像中的每一个图像与相应的层结构所输出的特征图进行融合，以得到相应的融合图像(步骤310)包括步骤410至步骤430。

在步骤410，利用该层结构的特征提取层提取输入到该层结构的融合图像的特征图，输入到该层结构的融合图像和该层结构的特征提取层所提取的特征图均具有第一尺寸。

在步骤420，利用该层结构的池化层对所提取的特征图进行降维，以输出具有第二尺寸的特征图。

在步骤430，将具有第二尺寸的特征图与多个图像中的相应的另一个图像进行融合。

在一个示例中，每一个层结构中的特征提取层可以用来提取输入到该层结构的融合图像的特征，以生成特征图。该特征图具有与输入到该层结构的融合图像相同的尺寸。为了进一步融合图像的信息，可以利用该层结构中的池化层对特征图进行降维。例如降维后的特征图的长度和宽度均为原特征图的长度和宽度的1/2。因此，降维后的特征图能够与所生成的多个图像具有对应的尺寸，从而保证各层结构均能利用图像中的语义信息指导视差图的优化。

在一个示例性实施例中，基于所述视差优化网络的最后一层结构，确定所述优化视差图(步骤330)包括利用最后一层结构，提取输入到最后一层结构的融合图像的特征图。然后对所提取的特征图进行上采样，以获得优化视差图，优化视差图具有与目标视图相同的尺寸。

图5示出了根据本公开的实施例的视差确定的示意图。如图5所示，可以对目标视图510进行尺度调整以生成多个图像520。多个图像520中的每一个图像具有不同的尺寸。首先对目标视图510与初始视差图530进行融合得到初始融合图像。然后将初始融合图像输入到视差优化网络540。以图像522为例，视差优化网络540中相应的层结构542的输出特征图与图像522具有相同的尺寸。进而可以将图像522与层结构542的输出特征图进行融合以得到相应的融合图像。对于视差优化网络540中除最后一层的其他层结构均进行类似的操作。最终，最后一层结构输出优化视差图550。

图6示出了根据本公开的实施例的视差优化网络的训练方法600的流程图。如图6所示，对视差优化网络进行学习训练的方法600包括对步骤610至，650的迭代。

在步骤610，获取样本视图相应的真实视差图和多个样本图像，所多个样本图像中的每一个样本图像为通过对样本视图进行尺寸调整来获得的，并且多个样本图像中的每一个样本图像与视差优化网络中相应的层结构所输出的特征图的尺寸相同；

在步骤620，至少基于所样本视图生成初始样本视差图；

在步骤630，至少将所初始样本视差图输入到视差优化网络，并且将多个样本图像中的每一个样本图像与相应的层结构所输出的特征图进行融合并将融合所得到的图像输入到视差优化网络，获取视差优化网络输出的优化样本视差图；

在步骤640，将优化视差图和真实视差图输入到判别网络，以确定判别概率，判别概率能够表征优化视差图与真实视差图之间的差异，真实视差图具有与所述优化视差图相同的尺寸。在一个示例中，真实视差图为带有标签的真实视差图。

在步骤650，响应于判别概率不符合预设的判别条件，更新视差优化网络和判别网络的参数。在一个示例中，可以先学习更新判别网络的参数。在得到一个好的判别网络后，判断优化视差图是否逼近于真实视差图。如不符合预设的判别条件，则更新视差优化网络的参数。

训练方法600通过对步骤610至650进行迭代，从而得到训练好的视差优化网络。

在一个示例性实施例中，利用对抗生成判别器进行训练可以使得视差优化网络输出的优化视差图更加逼近于真实视差图。采用对抗生成网络(GAN)的原理，将输出的优化视差图与带标签的真实视差图一同送给判别网络，判别网络可以学习判别真假输入图，并根据判别结果对视差网络优化网络进行参数更新。

在一个示例中，预设判别的条件就是尽可能的保证让输出的优化视差图逼近于带标签的真实视差图，使得判别网络判断不出来真假。在一个示例中，判别条件可以是当判别概率等于0.5或接近0.5。此时判别网络正确判断和错误判断的概率接近，表征了判别网络无法判断出优化视差图与真实视差图的真假。在这样的对抗学习过程中，视差网络优化网络的参数不断被训练学习，从而生成的优化视差图质量逐步提高。

在一个示例性实施例中，判别网络包括全局判别器和局部判别器。全局判别器以优化样本视差图和真实视差图作为输入。局部判别器以优化样本视差图的第一图像子块和真实视差图的第二图像子块作为输入，并且第一图像子块和第二图像子块具有相同的尺寸。全局判别器用于接收整张图像的输入，判断整张图像的真假。局部判别器用于接收部分图像的输入，判断部分图像的真假。例如，可以将优化视差图和真实视差图分割为多个图像子块。每个图像子块均输入到局部判别器来判断真假。因此，通过设计全局判别器和局部判别器，能够同时关注整体视差图的质量和局部视差图的质量。

图7示出了根据本公开的实施例的视差确定的整体示意图。如图7所示，首先将优化视差图710和真实视差图720一同输入到判别网络730。然后对视差优化网络740进行训练学习直到满足预设的判别条件。在一个示例中，判别网络730可以包括全局判别器732和局部判别器734。

图8示出了根据本公开的实施例的视差确定装置800的结构框图。如图8所示，视差确定装置800包括获取模块810、生成模块820以及优化模块830。

获取模块810被配置为被配置为获取目标视图相应的多个图像，多个图像中的每一个图像为通过对目标视图进行尺寸调整来获得的，并且多个图像中的每一个图像与视差优化网络中相应的层结构所输出的特征图的尺寸相同。

生成模块820被配置为至少基于目标视图生成初始视差图。

优化模块830被配置为至少将初始视差图输入到视差优化网络，并且将多个图像中的每一个图像与相应的层结构所输出的特征图进行融合并将融合所得到的图像输入到视差优化网络，获取视差优化网络输出的优化视差图。

在一个示例性实施例中，差优化网络中的各层结构均包括特征提取层和池化层。

在一个示例性实施例中，优化模块830包括第一融合子模块831和第一输入子模块832。

第一融合子模块831被配置为将目标视图与初始视差图进行融合，得到初始融合图像。

第一输入子模块832被配置为将初始融合图像输入到视差优化网络。

在一个示例性实施例中，优化模块830还包括第二融合子模块833、第二输入子模块834以及确定子模块835。

第二融合子模块833被配置为将多个图像中的每一个图像与相应的层结构所输出的特征图进行融合，以得到相应的融合图像。

第二输入子模块834被配置为将相应的融合图像输入到相应的层结构的下一层。

确定子模块835被配置为基于视差优化网络的最后一层结构，确定优化视差图。

在一些示例性实施例中，第二融合子模块834包括第一提取子模块、降维子模块和第三融合子模块。

第一提取子模块被配置为利用被配置为利用该层结构的特征提取层提取输入到该层结构的融合图像的特征图，输入到该层结构的融合图像和该层结构的特征提取层所提取的特征图均具有第一尺寸；

降维子模块被配置为利用该层结构的池化层对所提取的特征图进行降维，以输出具有第二尺寸的特征图。

第三融合子模块被配置为将具有第二尺寸的特征图与多个图像中的相应的另一个图像进行融合。

在一些示例性实施例中，确定子模块835包括第二提取子模块和上采样子模块。

第二提取子模块被配置为利用最后一层结构，提取输入到最后一层结构的融合图像的特征图。

上采样子模块，被配置为对最后一层结构所提取的特征图进行上采样，以获得优化视差图，优化视差图具有与目标视图相同的尺寸。

图9示出了根据本公开的实施例的视差优化网络的训练装置900的结构框图。如图9所示，训练装置900包括获取模块910、生成模块920、确定模块930、判别模块940、更新模块950以及迭代模块960。

获取模块910被配置为获取样本视图相应的真实视差图和多个样本图像，多个样本图像中的每一个样本图像为通过对样本视图进行尺寸调整来获得的，并且多个样本图像中的每一个样本图像与视差优化网络中相应的层结构所输出的特征图的尺寸相同。

生成模块920被配置为至少基于样本视图生成初始样本视差图。

确定模块930被配置为至少将初始样本视差图输入到视差优化网络，并且将多个样本图像中的每一个样本图像与相应的层结构所输出的特征图进行融合并将融合所得到的图像输入到视差优化网络，获取视差优化网络输出的优化样本视差图。

判别模块940被配置为将优化样本视差图和真实视差图输入到判别网络，以确定判别概率，判别概率能够表征优化样本视差图与所述真实视差图之间的差异，真实视差图具有与优化样本视差图相同的尺寸。

更新模块950被配置为响应于判别概率不符合预设的判别条件，更新视差优化网络和判别网络的参数。

迭代模块960被配置为迭代上述过程直到判别概率符合所述预设的判别条件。

本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。

根据本公开的实施例，还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

参考图10，现将描述可以作为本公开的服务器或客户端的电子设备1000的结构框图，其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图10所示，设备1000包括计算单元1001，其可以根据存储在只读存储器(ROM)1002中的计算机程序或者从存储单元1008加载到随机访问存储器(RAM)1003中的计算机程序，来执行各种适当的动作和处理。在RAM 1003中，还可存储设备1000操作所需的各种程序和数据。计算单元1001、ROM 1002以及RAM 1003通过总线1004彼此相连。输入/输出(I/O)接口1005也连接至总线1004。

设备1000中的多个部件连接至I/O接口1005，包括：输入单元1006、输出单元1007、存储单元1008以及通信单元1009。输入单元1006可以是能向设备1000输入信息的任何类型的设备，输入单元1006可以接收输入的数字或字符信息，以及产生与电子设备的用户设置和/或功能控制有关的键信号输入，并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元1007可以是能呈现信息的任何类型的设备，并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元1008可以包括但不限于磁盘、光盘。通信单元1009允许设备1000通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据，并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组，例如蓝牙TM设备、1302.11设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。

计算单元1001可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1001的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元1001执行上文所描述的各个方法和处理，例如方法200和方法600。例如，在一些实施例中，方法200和方法600可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元1008。在一些实施例中，计算机程序的部分或者全部可以经由ROM 1002和/或通信单元1009而被载入和/或安装到设备1000上。当计算机程序加载到RAM 1003并由计算单元1001执行时，可以执行上文描述的方法200和方法600的一个或多个步骤。备选地，在其他实施例中，计算单元1001可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行方法200和方法600。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

虽然已经参照附图描述了本公开的实施例或示例，但应理解，上述的方法、系统和设备仅仅是示例性的实施例或示例，本发明的范围并不由这些实施例或示例限制，而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外，可以通过不同于本公开中描述的次序来执行各步骤。进一步地，可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进，在此描述的很多要素可以由本公开之后出现的等同要素进行替换。

Claims (20)

1.一种利用视差优化网络来实现的视差确定方法，所述视差优化网络包括多个级联的层结构，并且所述方法包括：

获取目标视图相应的多个图像，所述多个图像中的每一个图像为通过对所述目标视图进行尺寸调整来获得的，并且所述多个图像中的每一个图像与所述视差优化网络中相应的层结构所输出的特征图的尺寸相同；

至少基于所述目标视图生成初始视差图；以及

至少将所述初始视差图输入到所述视差优化网络，并且将所述多个图像中的每一个图像与相应的层结构所输出的特征图进行融合并将融合所得到的图像输入到所述视差优化网络，获取所述视差优化网络输出的优化视差图。

2.如权利要求1所述的方法，其中，所述视差优化网络中的各层结构均包括特征提取层和池化层。

3.如权利要求1所述的方法，其中，所述获取所述视差优化网络输出的优化视差图包括：

将所述目标视图与所述初始视差图进行融合，得到初始融合图像；以及

将所述初始融合图像输入到所述视差优化网络。

4.如权利要求2所述的方法，其中，所述获取所述视差优化网络输出的优化视差图包括：

将所述多个图像中的每一个图像与相应的层结构所输出的特征图进行融合，以得到相应的融合图像；

将所述相应的融合图像输入到所述相应的层结构的下一层；以及

基于所述视差优化网络的最后一层结构，确定所述优化视差图。

5.如权利要求4所述的方法，其中，所述将所述多个图像中的每一个图像与相应的层结构所输出的特征图进行融合包括：

利用该层结构的特征提取层提取输入到该层结构的融合图像的特征图，其中，输入到该层结构的融合图像和该层结构的特征提取层所提取的特征图均具有第一尺寸；

利用该层结构的池化层对所提取的特征图进行降维，以输出具有第二尺寸的特征图；以及

将所述具有第二尺寸的特征图与所述多个图像中相应的另一个图像进行融合。

6.如权利要求4所述的方法，其中，所述基于所述视差优化网络的最后一层结构，确定所述优化视差图包括：

利用所述最后一层结构，提取输入到所述最后一层结构的融合图像的特征图；以及

对所述最后一层结构所提取的特征图进行上采样，以获得所述优化视差图，其中，所述优化视差图具有与所述目标视图相同的尺寸。

7.如权利要求1所述的方法，其中，对所述每一个图像与相应的层结构所输出的特征图所进行的融合包括通道堆叠、矩阵相乘或矩阵相加。

8.一种视差优化网络的训练方法，所述视差优化网络包括多个级联的层结构，并且所述方法包括：

获取样本视图相应的真实视差图和多个样本图像，所述多个样本图像中的每一个样本图像为通过对所述样本视图进行尺寸调整来获得的，并且所述多个样本图像中的每一个样本图像与所述视差优化网络中相应的层结构所输出的特征图的尺寸相同；

至少基于所述样本视图生成初始样本视差图；

至少将所述初始样本视差图输入到视差优化网络，并且将所述多个样本图像中的每一个样本图像与相应的层结构所输出的特征图进行融合并将融合所得到的图像输入到所述视差优化网络，获取视差优化网络输出的优化样本视差图；

将所述优化样本视差图和真实视差图输入到判别网络，以确定判别概率，所述判别概率能够表征所述优化样本视差图与所述真实视差图之间的差异，其中，所述真实视差图具有与所述优化样本视差图相同的尺寸；

响应于所述判别概率不符合预设的判别条件，更新所述视差优化网络和所述判别网络的参数；以及

迭代上述过程直到所述判别概率符合所述预设的判别条件。

9.如权利要求8所述的方法，其中，所述判别网络包括全局判别器和局部判别器，

其中，所述全局判别器以所述优化样本视差图和所述真实视差图作为输入，

其中，所述局部判别器以所述优化样本视差图的第一图像子块和所述真实视差图的第二图像子块作为输入，并且其中，所述第一图像子块和所述第二图像子块具有相同的尺寸。

10.如权利要求8所述的方法，其中，所述预设的判别条件包括所述判别概率等于0.5。

11.一种利用视差优化网络来实现的视差确定装置，所述视差优化网络包括多个级联的层结构，并且所述装置包括：

获取模块，被配置为获取目标视图相应的多个图像，所述多个图像中的每一个图像为通过对所述目标视图进行尺寸调整来获得的，并且所述多个图像中的每一个图像与所述视差优化网络中相应的层结构所输出的特征图的尺寸相同；

生成模块，被配置为至少基于所述目标视图生成初始视差图；以及

优化模块，被配置为至少将所述初始视差图输入到所述视差优化网络，并且将所述多个图像中的每一个图像与相应的层结构所输出的特征图进行融合并将融合所得到的图像输入到所述视差优化网络，获取所述视差优化网络输出的优化视差图。

12.如权利要求11所述的装置，其中，所述视差优化网络中的各层结构均包括特征提取层和池化层。

13.如权利要求11所述的装置，其中，所述优化模块包括：

第一融合子模块，被配置为将所述目标视图与所述初始视差图进行融合，得到初始融合图像；以及

第一输入子模块，被配置为将所述初始融合图像输入到所述视差优化网络。

14.如权利要求12所述的装置，其中，所述优化模块包括：

第二融合子模块，被配置为将将所述多个图像中的每一个图像与相应的层结构所输出的特征图进行融合，以得到相应的融合图像；

第二输入子模块，被配置为将所述相应的融合图像输入到所述相应的层结构的下一层；以及

确定子模块，被配置为基于所述视差优化网络的最后一层结构，确定所述优化视差图。

15.如权利要求14所述的方法，其中，所述第二融合子模块包括：

第一提取子模块，被配置为利用该层结构的特征提取层提取输入到该层结构的融合图像的特征图，其中，输入到该层结构的融合图像和该层结构的特征提取层所提取的特征图均具有第一尺寸；

降维子模块，被配置为利用该层结构的池化层对所提取的特征图进行降维，以输出具有第二尺寸的特征图；以及

第三融合子模块，被配置为将所述具有第二尺寸的特征图与所述多个图像中相应的另一个图像进行融合。

16.如权利要求14所述的装置，其中，所述确定子模块包括：

第二提取子模块，被配置为利用所述最后一层结构，提取输入到所述最后一层结构的融合图像的特征图；以及

上采样子模块，被配置为对所述最后一层结构所提取的特征图进行上采样，以获得所述优化视差图，其中，所述优化视差图具有与所述目标视图相同的尺寸。

17.一种视差优化网络的训练装置，所述视差优化网络包括多个级联的层结构，并且所述装置包括：

获取模块，被配置为获取样本视图相应的真实视差图和多个样本图像，所述多个样本图像中的每一个样本图像为通过对所述样本视图进行尺寸调整来获得的，并且所述多个样本图像中的每一个样本图像与所述视差优化网络中相应的层结构所输出的特征图的尺寸相同；

生成模块，被配置为至少基于所述样本视图生成初始样本视差图；

确定模块，被配置为至少将所述初始样本视差图输入到视差优化网络，并且将所述多个样本图像中的每一个样本图像与相应的层结构所输出的特征图进行融合并将融合所得到的图像输入到所述视差优化网络，获取视差优化网络输出的优化样本视差图；

判别模块，被配置为将所述优化样本视差图和真实视差图输入到判别网络，以确定判别概率，所述判别概率能够表征所述优化样本视差图与所述真实视差图之间的差异，其中，所述真实视差图具有与所述优化样本视差图相同的尺寸；

更新模块，被配置为响应于所述判别概率不符合预设的判别条件，更新所述视差优化网络和所述判别网络的参数；以及

迭代模块，被配置为迭代上述过程直到所述判别概率符合所述预设的判别条件。

18.一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-10中任一项所述的方法。

19.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-10中任一项所述的方法。

20.一种计算机程序产品，包括计算机程序，其中，所述计算机程序在被处理器执行时实现权利要求1-10中任一项所述的方法。

Images