Dyna-DM：动态物体感知的自监督单目深度图
计算机视觉与模式识别
2023-04-20 v3
摘要
自监督单目深度估计因其在机器人和自动驾驶中的应用，近年来成为深入研究的热点。近期许多工作聚焦于通过增加架构复杂度来改进深度估计。本文表明，最先进的性能也可以通过改进学习过程而非增加模型复杂度来实现。更具体地，我们提出 (i) 在训练时忽略小的潜在动态物体，以及 (ii) 采用基于外观的方法单独估计真实动态物体的位姿。我们证明了这些简化将 GPU 内存使用降低了 29%，并带来了定性和定量上改进的深度图。代码可在 https://github.com/kieran514/Dyna-DM 获取。
引用
@article{arxiv.2206.03799,
title = {Dyna-DM: Dynamic Object-aware Self-supervised Monocular Depth Maps},
author = {Kieran Saunders and George Vogiatzis and Luis J. Manso},
journal= {arXiv preprint arXiv:2206.03799},
year = {2023}
}