我想找到两个矩阵之间的一维相关性。这两个矩阵是两个不同图像上的卷积运算的输出。让我们将第一个矩阵称为matrix A，将另一个矩阵称为matrix B。这两个矩阵的形状都是100 x 100 x 64（比方说）。
我一直在研究一篇研究论文，它基本上计算了这两个矩阵之间的一维相关性（矩阵A和矩阵B），相关运算的输出也是一个形状为100 x 100 x 64的矩阵。这篇文章的链接可以找到here。网络可以在第4页找到。相关部分位于网络的底部。在3.3节的第2段（同一页面，网络下方）中提到了几行。
我不确定它们对一维关联的意义，更多的是如何在Python中实现它。关于应用相关后输出的形状如何保持相同，我也很困惑。我正在使用PyTorch库来实现这个网络。
任何帮助将不胜感激。谢谢。
所以他们基本上有1个原始图像，他们将其视为深度感知算法的左侧视图，但由于您需要立体视觉来计算静止图像中的深度，因此他们使用神经结构来合成右侧视图。
1维相关采用2个序列并计算每个点的相关性，为您提供与2个输入长度相同的另一个1D序列。因此，如果沿张量的某个轴应用此相关性，则合成张量不会改变形状。
直观地，他们认为将图像沿水平轴关联有点像阅读图像就像阅读书籍一样有意义，但在这种情况下，它应该具有类似于识别更远的东西似乎也是点的效果。在左侧和右侧视图中靠得更近。左侧和右侧数据点的相关性可能更高，这使得神经网络的深度分类更加容易。