生成与利用概率化单目深度估计
计算机视觉与模式识别
2019-12-11 v2
摘要
除了从单张图像进行深度估计外，单目线索在更广泛的深度推断应用和设置中也很有用——例如当人们可以利用其他可用的深度线索来提高精度时。目前，具有不同推断任务和深度线索组合的不同应用，是通过不同的专用网络解决的——为每个应用单独训练。相反，我们提出了一种通用的任务无关单目模型，该模型在给定输入彩色图像的情况下输出场景深度上的概率分布，作为分块条件 VAE 输出的样本近似。我们表明，这种分布式输出可用于在不同设置下实现各种推断任务，而无需为每个应用重新训练。在多种不同的应用（深度补全、用户引导估计等）中，我们的通用模型产生了高精度的结果——可与依赖于特定应用网络的 SOTA 方法相媲美或超越它们。
引用
@article{arxiv.1906.05739,
title = {Generating and Exploiting Probabilistic Monocular Depth Estimates},
author = {Zhihao Xia and Patrick Sullivan and Ayan Chakrabarti},
journal= {arXiv preprint arXiv:1906.05739},
year = {2019}
}
备注
Project page at https://projects.ayanc.org/prdepth/