DnD：拥挤动态室内场景中的稠密深度估计
计算机视觉与模式识别
2021-08-13 v1
摘要
我们提出一种从单目相机估计深度的新方法，该相机在复杂且拥挤的室内环境（如百货商店或地铁站）中移动。我们的方法通过在动态场景上训练，预测由静态背景与多个运动人物组成的整个场景的绝对尺度深度图。由于在拥挤室内环境收集稠密深度图困难，我们设计的训练框架无需深度传感设备产生的深度。我们的网络利用传统3D重建方法生成的RGB图像与稀疏深度图来估计稠密深度图。我们使用两种约束处理非刚性运动人物的深度，而无需显式跟踪其运动。我们证明在包含复杂拥挤场景的NAVERLABS数据集上，我们的方法相较近期深度估计方法有一致改进。
引用
@article{arxiv.2108.05615,
title = {DnD: Dense Depth Estimation in Crowded Dynamic Indoor Scenes},
author = {Dongki Jung and Jaehoon Choi and Yonghan Lee and Deokhwa Kim and Changick Kim and Dinesh Manocha and Donghwan Lee},
journal= {arXiv preprint arXiv:2108.05615},
year = {2021}
}