用于单目深度估计的双向注意力网络
计算机视觉与模式识别
2021-03-29 v2 机器人学
摘要
本文中，我们提出双向注意力网络（BANet），一种用于单目深度估计（MDE）的端到端框架，解决了卷积神经网络中有效整合局部与全局信息的局限。该机制的结构源于神经机器翻译的坚实概念基础，并提出了一种类似于循环神经网络动态特性的轻量级自适应计算控制机制。我们引入双向注意力模块，利用前馈特征图并融入全局上下文以滤除歧义。大量实验表明，在KITTI和DIODE两个具有挑战性的数据集上，该双向注意力模型相比前馈基线和其它最先进的单目深度估计方法具有高度竞争力。我们表明，所提方法以更少的记忆与计算复杂度，优于或至少与最先进的单目深度估计方法表现相当。
引用
@article{arxiv.2009.00743,
title = {Bidirectional Attention Network for Monocular Depth Estimation},
author = {Shubhra Aich and Jean Marie Uwabeza Vianney and Md Amirul Islam and Mannat Kaur and Bingbing Liu},
journal= {arXiv preprint arXiv:2009.00743},
year = {2021}
}
备注
Camera-ready for IEEE International Conference on Robotics and Automation (ICRA) 2021