用于高效室内单目深度估计的双重细化网络
计算机视觉与模式识别
2022-09-27 v2
摘要
单目深度估计是利用单幅图像获取每个像素距离度量的任务。它是计算机视觉中的重要问题，通常用神经网络求解。尽管该领域近期工作显示出精度的显著提升，但最先进的方法往往需要大量内存与时间来处理一幅图像。本工作的主要目的在不降低精度的情况下改进最新方案的性能。为此，我们引入双重细化网络（Double Refinement Network）架构。所提方法在标准基准 RGB-D 数据集 NYU Depth v2 上取得了最先进结果，同时其每秒帧率显著更高（在批大小为 1 时每幅图像最高加速 18 倍）且每幅图像的 RAM 占用更低。
引用
@article{arxiv.1811.08466,
title = {Double Refinement Network for Efficient Indoor Monocular Depth Estimation},
author = {Nikita Durasov and Mikhail Romanov and Valeriya Bubnova and Pavel Bogomolov and Anton Konushin},
journal= {arXiv preprint arXiv:1811.08466},
year = {2022}
}