用于单目深度估计的自适应置信度阈值化

自监督单目深度估计已成为解决缺乏真值标签问题的一种有吸引力的方法，但其重建损失常在物体边界处产生过度平滑的结果，且无法显式处理遮挡。在本文中，我们提出一种新方法，利用由自监督立体匹配方法生成的立体图像伪真值深度图。估计伪真值深度图的置信度图，以减轻不准确的伪深度图带来的性能退化。为应对置信度图自身的预测误差，我们还利用阈值网络，该网络以伪深度图为条件动态学习阈值。经阈值化置信度图筛选出的伪深度标签用于监督单目深度网络。此外，我们提出概率框架，借助其不确定性图通过像素自适应卷积（PAC）层细化单目深度图。实验结果表明其性能优于最先进的（SOTA）单目深度估计方法。最后，我们展示所提出的阈值学习也可用于提升现有置信度估计方法的性能。