DeepTAM：深度跟踪与建图

我们提出了一种完全基于学习的、以关键帧为基础的稠密相机跟踪与深度图估计系统。对于跟踪，我们估计当前相机图像与合成视点之间的微小位姿增量。这显著简化了学习问题并缓解了相机运动的数据集偏差。进一步，我们表明生成大量位姿假设可带来更精确的预测。对于建图，我们在以当前深度估计为中心的费用体中累积信息。建图网络随后结合费用体与关键帧图像来更新深度预测，从而有效利用深度测量与基于图像的先验。我们的方法在少量图像下即可取得最先进结果，并对噪声相机位姿具有鲁棒性。我们展示了我们的 6 DOF 跟踪性能可与 RGB-D 跟踪算法相竞争。相较于强大的经典与深度学习驱动的稠密深度算法，我们均具优势。