单目深度估计模型的误差诊断
计算机视觉与模式识别
2021-12-13 v1 机器人学
摘要
从单目图像估计深度是一个不适定问题：当相机将3D场景投影到2D平面时，深度信息固有且永久地丢失。尽管如此，近期工作已展示出利用深度学习从2D图像估计3D结构的令人印象深刻的成果。在本文中，我们戴上内省之帽，分析室内场景中最先进的单目深度估计模型，以理解这些模型的局限性与误差模式。为解决深度估计中的错误，我们引入一种新颖的深度误差检测网络（DEDN），可空间定位单目深度估计模型中的错误深度预测。通过在多个数据集上对多个最先进的单目室内深度估计模型进行实验，我们表明所提出的深度误差检测网络能够识别预测深度图中大量的错误。我们的模块灵活，可即插即用于任何单目深度预测网络以辅助诊断其结果。此外，我们提出一个简单而有效的深度误差校正网络（DECN），基于我们的初始误差诊断迭代地修正错误。
引用
@article{arxiv.2112.05533,
title = {Error Diagnosis of Deep Monocular Depth Estimation Models},
author = {Jagpreet Chawla and Nikhil Thakurdesai and Anuj Godase and Md Reza and David Crandall and Soon-Heung Jung},
journal= {arXiv preprint arXiv:2112.05533},
year = {2021}
}
备注
Presented at IROS'21