360MonoDepth：高分辨率 360° 单目深度估计
计算机视觉与模式识别
2022-03-29 v2
摘要
360° 相机可单次捕获完整环境，这使得 360° 影像在许多计算机视觉任务中颇具吸引力。然而，单目深度估计对 360° 数据仍具挑战，尤其是对 2K（2048x1024）及更高、对新颖视图合成与虚拟现实应用至关重要的高分辨率。当前基于 CNN 的方法因 GPU 内存有限而不支持此类高分辨率。本工作中，我们提出一种利用切线图像从高分辨率 360° 图像进行单目深度估计的灵活框架。我们将 360° 输入图像投影到一组产生透视视图的切平面上，这些视图适用于最新、最准确的 SOTA 透视单目深度估计器。为获得全局一致的视差估计，我们使用可变形多尺度对齐继以梯度域混合来重组各深度估计。结果是一个密集、高分辨率的 360° 深度图，具有高度细节，亦支持现有方法不支持的室外场景。我们的源代码与数据可在 https://manurare.github.io/360monodepth/ 获取。
引用
@article{arxiv.2111.15669,
title = {360MonoDepth: High-Resolution 360{\deg} Monocular Depth Estimation},
author = {Manuel Rey-Area and Mingze Yuan and Christian Richardt},
journal= {arXiv preprint arXiv:2111.15669},
year = {2022}
}
备注
CVPR 2022. Project page: https://manurare.github.io/360monodepth/