AcED:精确且边缘一致的单目深度估计
计算机视觉与模式识别
2020-06-17 v1 多媒体
摘要
单图像深度估计是一个具有挑战性的问题。当前最先进的方法将该问题表述为有序回归问题。然而,该表述并非完全可微,且深度图不是以端到端方式生成的。该方法使用朴素的阈值策略确定逐像素深度标签,导致显著的离散化误差。我们首次提出了完全可微的有序回归,并以端到端方式训练网络。这使我们能在优化函数中加入边界和平滑约束,从而得到平滑且边缘一致的深度图。我们还提出了一种用于深度细化的新颖逐像素置信度图计算。在具有挑战性的基准上对 proposed 模型的广泛评估揭示了其在定量和定性上优于近期最先进方法。此外,我们使用具有挑战性的真实生活图像的内部数据集展示了所提方法在单摄像头虚化解决方案中的实际效用。
引用
@article{arxiv.2006.09243,
title = {AcED: Accurate and Edge-consistent Monocular Depth Estimation},
author = {Kunal Swami and Prasanna Vishnu Bondada and Pankaj Kumar Bajpai},
journal= {arXiv preprint arXiv:2006.09243},
year = {2020}
}
备注
Accepted in IEEE ICIP 2020