从单张RGB图像估计精细深度图的两流网络
计算机视觉与模式识别
2017-12-05 v4
摘要
从单张RGB图像估计深度是一个病态且固有模糊的问题。当前最先进的深度学习方法可以估计准确的2D深度图，但当这些深度图投影到3D时，缺乏局部细节且常常高度扭曲。我们提出了一种易于训练的两流CNN，其预测深度与深度梯度，随后将二者融合为准确且细致的深度图。我们还定义了一种针对多图像的新型集合损失（set loss）；通过对一组公共图像之间的估计进行正则化，该网络更不易过拟合，并比竞争方法取得更高精度。在NYU Depth v2数据集上的实验表明，我们的深度预测与最先进水平相当，并产生逼真的3D投影。
引用
@article{arxiv.1607.00730,
title = {A Two-Streamed Network for Estimating Fine-Scaled Depth Maps from Single RGB Images},
author = {Jun Li and Reinhard Klein and Angela Yao},
journal= {arXiv preprint arXiv:1607.00730},
year = {2017}
}