DynOcc：从动态遮挡线索学习单视图深度
计算机视觉与模式识别
2021-04-01 v1
摘要
近来，得益于日益庞大且多样的深度数据集，单视图深度估计取得了显著进展。然而，由于硬件限制或 3D 重建的技术局限，这些数据集大多局限于特定应用领域（如室内、自动驾驶）或静态野外场景。本文引入首个由动态野外场景组成的深度数据集 DynOcc。我们的方法利用这些动态场景中的遮挡线索来推断所选视频帧中点之间的深度关系。为实现准确的遮挡检测与深度顺序估计，我们采用一种新颖的遮挡边界检测、滤波与细化方案，随后使用鲁棒的的前景/背景分类方法。我们的 DynOcc 数据集总计包含来自多样视频的 91K 帧中的 22M 个深度对。使用我们的数据集，我们在加权人类不一致率（WHDR）度量下取得了最先进（SOTA）结果。我们还表明，用 DynOcc 训练推断的深度图可保持更锐利的深度边界。
引用
@article{arxiv.2103.16706,
title = {DynOcc: Learning Single-View Depth from Dynamic Occlusion Cues},
author = {Yifan Wang and Linjie Luo and Xiaohui Shen and Xing Mei},
journal= {arXiv preprint arXiv:2103.16706},
year = {2021}
}
备注
3DV 2020