用于深度估计的自适应表面法向约束
计算机视觉与模式识别
2021-07-13 v2
摘要
我们提出了一种利用表面法向约束进行单图像深度估计的新方法。现有的深度估计方法要么缺乏几何约束，要么受限于难以可靠地捕获几何上下文，这导致了深度估计质量的瓶颈。因此，我们引入了一种简单而有效的方法，称为自适应表面法向（Adaptive Surface Normal, ASN）约束，以有效地将深度估计与几何一致性相关联。我们的核心思想是从一组随机采样的候选中自适应地确定可靠的局部几何，从而导出表面法向约束，为此我们度量几何上下文特征的一致性。因此，我们的方法能够忠实地重建三维几何，并且对局部形状变化（如边界、尖角和噪声）具有鲁棒性。我们使用公开数据集进行了广泛的评估与比较。实验结果表明，我们的方法优于当前最先进（state-of-the-art, SOTA）的方法，并具有更优的效率和鲁棒性。
引用
@article{arxiv.2103.15483,
title = {Adaptive Surface Normal Constraint for Depth Estimation},
author = {Xiaoxiao Long and Cheng Lin and Lingjie Liu and Wei Li and Christian Theobalt and Ruigang Yang and Wenping Wang},
journal= {arXiv preprint arXiv:2103.15483},
year = {2021}
}