SSPCV-Net（语义立体匹配网络）
目的：进一步捕捉视差的细节
主要模块：
数据集：Scene Flow, KITTI 2012, KITTI 2015, Cityscape(比较泛化能力)
-------------------------------------------------------------------------------------------------------
Concate volume(PSMNet) / correlation volume(DispNet)
特点：在单级别构建cost volume，而不考虑分别位于立体图像对下面的多尺度空间信息
Tip: PSMNNet是提取多级图像信息来构建一个single cost volume (匹配代价卷)
问题：对于所考虑的特征图，单级cost volume，可能不足以捕获立体图像之间的空间关系
多级指空间信息级的多个cost volume
-------------------------------------------------------------------------------------------------------
Q：为什么加入语义信息？
语义分割不同的对象和他们在图像中的边界，显示出视差图很多空间和强度相关性，一个准确的语义分割可以帮助沿对象边界矫正视差值，立体匹配中这些差异很容易出错
SegStereo也有合并语义信息，本文的结构将语义和图像特征融合得到cost volume
Multi-level cost volumes + 3D multi-cost aggregation：更好的为视差估计捕捉全局上下问信息
-------------------------------------------------------------------------------------------------------
Network architecture
利用ResNet-50和扩展卷积来从立体图像对中提取特征，适应性平均池化将特征压缩到3个规模，1*1卷积来改变特征图的维度，金字塔特征同时送入两个子网络处理。产生空间金字塔代价卷和语义代价卷。结合两个代价卷共同组成金字塔代价卷，送入3D聚合模块来聚合和正则化，优化代价量，回归层产生最终的视差图。
-------------------------------------------------------------------------------------------------------
Pyramid cost volumes
空间特征的分层规模组成了不同级的cost volume，对每个级的空间特征图，在每个视差级别上级联左右图的特征组成代价卷，打包到一个4D卷，为推断这个级别的视差包含了所有的空间上下文信息。
-------------------------------------------------------------------------------------------------------
Semantic cost volume
结构像PSPNet，结果是语义分割图
流程：
特征提取，子网络将地位特征图上采样到和原图同样大小，级联所有特征图，卷积层产生对语义分割图的最终预测
优点：以简单的方式捕捉上下文线索，从左右语义分割特征中学习对象像素的相似性
Q：怎么得到cost volume?
级联左右图的语义特征在不同的视差水平，打包到4D volume，得到语义cost volume
-------------------------------------------------------------------------------------------------------
3D multi-cost aggregation module
沙漏模块 + 3D FFM（特征融合模块）：编解码结构学习不同级的金字塔上下文信息
过程： 对低级volume上采样到和上一级同样的大小，融合送入FFM模块，融合的cost volume接着与更高层的cost volume融合，最后一级的空间代价卷接着与语义代价卷融合，最终结果双线性插值上采样到原始图像大小
FFM过程：
像残差块结构，适应性平均池化将级联特征转变到特征向量。通过Relu-fc-sigmoid结构计算权重向量，两个代价卷中上采样的那个加权后和另一个代价卷组成FFM模块的输出。
-------------------------------------------------------------------------------------------------------
Disparity regression and loss function