用于单目深度估计的深度图分解
计算机视觉与模式识别
2022-08-24 v1
摘要
我们提出一种用于单目深度估计的新算法，该算法将度量深度图分解为归一化深度图和尺度特征。所提出的网络由一个共享编码器和三个解码器组成，分别称为G-Net、N-Net和M-Net，它们分别估计梯度图、归一化深度图和度量深度图。M-Net利用G-Net和N-Net提取的相对深度特征，学习更准确地估计度量深度。所提算法的优势在于，它可以使用没有度量深度标签的数据集来提升度量深度估计的性能。在各种数据集上的实验结果表明，所提算法不仅提供了与最先进算法相竞争的性能，而且即使在仅使用少量度量深度数据训练时也能产生可接受的结果。
引用
@article{arxiv.2208.10762,
title = {Depth Map Decomposition for Monocular Depth Estimation},
author = {Jinyoung Jun and Jae-Han Lee and Chul Lee and Chang-Su Kim},
journal= {arXiv preprint arXiv:2208.10762},
year = {2022}
}