用于单目深度估计的带注意力模块的 EdgeConv
计算机视觉与模式识别
2021-10-27 v3
摘要
单目深度估计在机器人和自动驾驶中是一项尤其重要的任务，其中 3D 结构信息至关重要。然而，极端光照条件和复杂表面物体使得在单幅图像中预测深度变得困难。因此，为了生成准确的深度图，模型学习场景的结构信息十分重要。我们提出了一种新颖的块级 EdgeConv 模块（PEM）和 EdgeConv 注意力模块（EAM）来解决单目深度估计的困难。所提模块通过使用边卷积学习空间上彼此接近的图像块之间的关系来提取结构信息。我们的方法在两个流行数据集 NYU Depth V2 和 KITTI Eigen split 上进行了评估，取得了最先进的性能。我们通过各种对比实验证明，所提模型在具有挑战性的场景中能鲁棒地预测深度。
引用
@article{arxiv.2106.08615,
title = {EdgeConv with Attention Module for Monocular Depth Estimation},
author = {Minhyeok Lee and Sangwon Hwang and Chaewon Park and Sangyoun Lee},
journal= {arXiv preprint arXiv:2106.08615},
year = {2021}
}
备注
Accepted to IEEE/CVF Winter Conference on Applications of Computer Vision (WACV) 2022