从RGB与稀疏传感估计深度
计算机视觉与模式识别
2018-12-11 v2
摘要
我们提出了一种深度模型，该模型在给定一幅RGB图像且仅有非常稀疏像素处已知深度的情况下，能够准确生成稠密深度图。该模型同时适用于室内和室外场景，并在NYUv2和KITTI数据集上以接近实时的速度生成最先进的稠密深度图。即使在每约10000个图像像素中仅有1个深度值时，我们在单目深度估计上也超越了最先进水平，并且在所有稀疏度级别上均优于其他从稀疏到稠密的深度方法。在图像像素的1/256具有深度值时，我们在室内场景上实现了小于实际深度1%的平均绝对误差，可与消费级深度传感器硬件的性能相媲美。我们的实验表明，将使用例如低功耗深度传感器或SLAM系统获得的稀疏深度测量高效地转换为高质量稠密深度图确实是可行的。
引用
@article{arxiv.1804.02771,
title = {Estimating Depth from RGB and Sparse Sensing},
author = {Zhao Chen and Vijay Badrinarayanan and Gilad Drozdov and Andrew Rabinovich},
journal= {arXiv preprint arXiv:1804.02771},
year = {2018}
}
备注
European Conference on Computer Vision (ECCV) 2018. Updated to camera-ready version with additional experiments