用于无监督单目深度估计的对偶CNN模型
计算机视觉与模式识别
2019-11-07 v4
摘要
无监督深度估计是近期趋势，通过利用双目立体图像摆脱对深度图真值的依赖。在无监督深度计算中，视差图像通过以图像重建损失训练CNN生成。本文提出一种基于对偶CNN的模型，用于无监督深度估计，具有6个损失（DNM6），每个视角使用独立CNN生成相应视差图。所提出的对偶CNN模型还通过使用交叉视差扩展为12个损失（DNM12）。所提出的DNM6和DNM12模型在KITTI驾驶和Cityscapes城市场景数据库上进行了实验，并与近期最先进的无监督深度估计结果进行比较。代码可在：https://github.com/ishmav16/Dual-CNN-Models-for-Unsupervised-Monocular-Depth-Estimation 获取。
引用
@article{arxiv.1804.06324,
title = {Dual CNN Models for Unsupervised Monocular Depth Estimation},
author = {Vamshi Krishna Repala and Shiv Ram Dubey},
journal= {arXiv preprint arXiv:1804.06324},
year = {2019}
}
备注
Accepted in 8th Pattern Recognition and Machine Intelligence Conference (PReMI) 2019