従来のcost volumeをそのまま置き換え可能なcascade cost volumeを提案したことにある。 cascade cost volumeは解像度の異なる複数の視差画像を推定し、低解像度の視差画像で得られた視差をもとに視差推定の範囲を絞っていく。 視差推定の範囲はパラメータで与える。

DTUベンチマークにて、メモリ使用量と実行時間をそれぞれ50%と60%程度削減しつつ、精度を23%程度したことが確認されSoTAを達成した。 また、KITTI等のステレオ問題でも既存手法にcascade cost volumeを組み込むことでコストの削減と精度の向上を確認されている。 本論文の実装はhttps://github.com/alibaba/cascade-stereoで公開されている。

従来のcost volumeをそのまま置き換え可能と主張しており、汎用性が高い。古典的な多段処理とDeepを組み合わせが興味深い。