GeoNet：单目深度、光流与相机位姿的无监督学习
计算机视觉与模式识别
2018-03-13 v2
摘要
我们提出 GeoNet，一个从视频中联合无监督学习单目深度、光流和自我运动估计的框架。这三个组件由三维场景几何的本质耦合，并由我们的框架以端到端方式联合学习。具体而言，几何关系从各独立模块的预测中提取，然后组合为图像重建损失，分别对静态与动态场景部分进行推理。此外，我们提出一种自适应几何一致性损失，以增强对离群点和非朗伯区域的鲁棒性，有效解决遮挡与纹理歧义。在 KITTI 驾驶数据集上的实验表明，我们的方案在全部三项任务上均达到 SOTA 结果，优于先前无监督方法且与有监督方法相当。
引用
@article{arxiv.1803.02276,
title = {GeoNet: Unsupervised Learning of Dense Depth, Optical Flow and Camera Pose},
author = {Zhichao Yin and Jianping Shi},
journal= {arXiv preprint arXiv:1803.02276},
year = {2018}
}
备注
Accepted to CVPR 2018; Code will be made available at https://github.com/yzcjtr/GeoNet