以传统视觉里程计增强自监督单目深度估计
计算机视觉与模式识别
2019-08-14 v2
摘要
从单幅图像估计深度，相较于利用多相机的主流方法是一种颇具吸引力的替代方案。在该领域，深度学习以需要大量带有精确深度标注的数据用于训练为代价，取得了卓越成果。自监督方法以单目序列或立体图像对替代昂贵的真实深度标注，缓解了这一问题。本文通过将几何先验整合进现有自监督网络中，进一步改进单目深度估计。具体而言，我们提出了一种稀疏不变自编码器，能够处理传统视觉里程计算法的输出，并与单目深度网络协同工作。在 KITTI 数据集上的实验结果表明，利用该几何先验，我们的方案：i) 优于现有文献中的方法；ii) 与紧凑及复杂单目深度架构均能良好结合，从而可部署于高端 GPU 以及嵌入式设备（如 NVIDIA Jetson TX2）。
引用
@article{arxiv.1908.03127,
title = {Enhancing self-supervised monocular depth estimation with traditional visual odometry},
author = {Lorenzo Andraghetti and Panteleimon Myriokefalitakis and Pier Luigi Dovesi and Belen Luque and Matteo Poggi and Alessandro Pieropan and Stefano Mattoccia},
journal= {arXiv preprint arXiv:1908.03127},
year = {2019}
}
备注
Accepted to 3DV 2019