Аннотация:В работе рассматривается решение задачи стереосопоставления классическим методом построчной динамической трансформации временной шкалы (DTW, Dynamic Time Warping). Метод DTW опирается на вычисление метрики схожести для малых (порядка 3 × 3 пикселя) фрагментов изображений. Исследуется качество работы метода в зависимости от выбранной метрики: сравниваются типичная для DTW L1-норма вектора поточечных разностей между окрестностями и метрики, построенные при помощи искусственных нейросетей с малым (порядка 1000) количеством коэффициентов и с вектором выходов размерности 64. Метрика схожести фрагментов изображения в этом случае есть L2-норма разности выходов нейросети. Полученная модификация DTW показала лучшие результаты по сравнению со своей немодифицированной версией, использующей расстояние L1 между фрагментами изображений. Нейросети обучены на изображениях из открытых датасетов Middlebury Stereo Datasets и KITTI.