面向自监督单目深度估计的细粒度语义感知表征增强
计算机视觉与模式识别
2021-08-20 v1
摘要
自监督单目深度估计因其实际重要性和近期令人瞩目的改进而被广泛研究。然而，大多数工作受限于光度一致性的有限监督，尤其在弱纹理区域和物体边界处。为克服这一弱点，我们提出了利用跨域信息（尤其是场景语义）改进自监督单目深度估计的新思路。我们专注于将隐式语义知识融入几何表征增强，并提出两点思路：一种利用语义引导的局部几何来优化中间深度表征的度量学习方法，以及一种审慎利用两种异构特征表征之间跨模态关系的新型特征融合模块。我们在 KITTI 数据集上全面评估了我们的方法，并证明我们的方法优于当前最先进的方法。源代码见 https://github.com/hyBlue/FSRE-Depth。
引用
@article{arxiv.2108.08829,
title = {Fine-grained Semantics-aware Representation Enhancement for Self-supervised Monocular Depth Estimation},
author = {Hyunyoung Jung and Eunhyeok Park and Sungjoo Yoo},
journal= {arXiv preprint arXiv:2108.08829},
year = {2021}
}
备注
ICCV 2021 (Oral)