以轻量级三维点融合提升单目深度估计

在本文中，我们提出通过添加三维点作为深度引导来增强单目深度估计。与现有的深度补全方法不同，我们的方法在极度稀疏且不均匀分布的点云上表现良好，这使其对三维点的来源不敏感。我们通过引入一种新颖的多尺度三维点融合网络来实现这一点，该网络既轻量又高效。我们在两个不同的深度估计问题上展示了其通用性，其中三维点分别通过传统的运动恢复结构与 LiDAR 获取。在这两种情况下，我们的网络与最先进的深度补全方法表现相当，并在仅使用少量点时达到显著更高的精度，同时在参数量上更为紧凑。我们表明，我们的方法在精度和紧凑性上均优于一些当代基于深度学习的多视图立体与运动恢复结构方法。