用于自监督单目深度估计的级联网络

利用单目相机获取真实场景深度图是一个经典的计算机视觉问题，近年来受到广泛关注。然而，训练此类模型通常需要大量人工标注样本。为解决该问题，一些研究者采用自监督学习模型来克服这一困难并减少对人工标注数据的依赖。尽管如此，这些方法的准确性与可靠性尚未达到预期标准。本文提出一种基于级联网络的新型自监督学习方法。与以往自监督方法相比，我们的方法在准确性和可靠性上均有提升，并通过实验加以证明。我们提出了一种级联神经网络，将目标场景划分为不同视距的部分并分别训练，以生成更好的深度图。我们的方法分为以下四步：第一步，使用自监督模型对场景深度进行粗略估计；第二步，将第一步生成的场景深度作为标签，将场景划分为不同的深度部分；第三步，使用具有不同参数的模型生成目标场景中不同深度部分的深度图；第四步，对深度图进行融合。通过消融实验，我们分别证明了各组件的有效性，并在 KITTI 基准上展示了高质量的、最先进的结果。