用于单目深度估计的深度平面视差方法
计算机视觉与模式识别
2023-11-29 v2
摘要
近期研究凸显了平面视差几何在单目深度估计中的效用。然而，由于网络严重依赖表观进行深度预测，其潜力尚未被充分发掘。我们的深入分析表明，利用光流预训练可优化网络对连续帧建模的使用，带来显著的性能提升。此外，我们提出平面位置嵌入（PPE）以处理违背静态场景假设的动态物体，并应对难以区分的坡度变化。在自动驾驶数据集 KITTI 与 Waymo Open Dataset（WOD）上的全面实验证明，我们的平面视差网络（PPNet）在性能上显著超越现有基于学习的方法。
引用
@article{arxiv.2301.03178,
title = {Deep Planar Parallax for Monocular Depth Estimation},
author = {Haoqian Liang and Zhichao Li and Ya Yang and Naiyan Wang},
journal= {arXiv preprint arXiv:2301.03178},
year = {2023}
}