DeepV2D：基于可微分运动恢复结构的视频深度估计
计算机视觉与模式识别
2020-04-29 v4
摘要
我们提出 DeepV2D，一种用于从视频预测深度的端到端深度学习架构。DeepV2D 将神经网络的表征能力与支配图像形成的几何原理相结合。我们组合了一系列经典几何算法，将其转化为可训练模块并组合为端到端可微分架构。DeepV2D 交错进行两个阶段：运动估计与深度估计。在推理过程中，运动与深度估计交替进行并收敛至精确深度。代码见 https://github.com/princeton-vl/DeepV2D。
引用
@article{arxiv.1812.04605,
title = {DeepV2D: Video to Depth with Differentiable Structure from Motion},
author = {Zachary Teed and Jia Deng},
journal= {arXiv preprint arXiv:1812.04605},
year = {2020}
}