用于从单目图像进行几何估计的自适应表面法线约束

我们提出了一种新方法，在学习图像中深度和表面法线等几何信息的同时融入几何上下文。现有方法难以可靠地捕获几何上下文，阻碍了其准确执行不同几何属性之间一致性的能力，从而成为几何估计质量的瓶颈。因此，我们提出了自适应表面法线（ASN）约束，这是一种简单而有效的方法。我们的方法提取编码输入图像中存在的几何变化的几何上下文，并将深度估计与几何约束相关联。通过从随机采样的候选者中动态确定可靠的局部几何，我们建立了表面法线约束，其中这些候选者的有效性使用几何上下文进行评估。此外，我们的法线估计利用几何上下文来优先处理表现出显著几何变化的区域，这使得预测的法线能够准确捕获复杂而详细的几何信息。通过整合几何上下文，我们的方法在一个内聚的框架内统一了深度和表面法线估计，从而能够从图像生成高质量的 3D 几何。我们通过在多样化的室内和室外数据集上进行广泛的评估和比较，验证了我们的方法优于 SOTA 方法，展示了其高效性和鲁棒性。