机管网 本文的PyTorch实施： ， 作者：徐浩飞， 我们提出了基于稀疏点的规模内成本汇总（ISA）模块和跨规模成本汇总（CSA）模块，以实现高效，准确的立体声匹配。 此版本库中还包含改进版本AANet +的实现（更高的性能和更快的速度） 。 强调 模块化设计 我们将端到端立体声匹配框架分解为五个组件： 特征提取，成本量构建，成本汇总，视差计算和视差细化。 通过组合不同的组件，可以轻松构建定制的立体声匹配模型。 高效率 对于KITTI立体声对（384x1248分辨率），我们的方法可以运行6