GroCo：面向无监督单目深度估计的地面约束
计算机视觉与模式识别
2024-09-24 v1 人工智能
机器学习
机器人学
摘要
单目深度估计在近年来取得了显著进展，但预测度量深度的模型仍在不同摄像机姿态和数据集之间难以泛化。虽然近期的监督方法通过在推理阶段利用地面先验信息来缓解此问题，但其在无监督场景中的适应性受限于尺度恢复的额外挑战。为此，本文提出一种专为无监督范式设计的地面区域约束。该机制不仅允许准确恢复尺度，还确保深度预测与地面先验之间的一致性。实验结果表明，我们的方法在 KITTI 数据集上超越了现有的尺度恢复技术，并显著提升了模型的泛化能力。这种改进体现在其在不同摄像机旋转下的更稳健性能，以及在以前未见过的驾驶数据集（如 DDAD）上的零样本适应性。
引用
@article{arxiv.2409.14850,
title = {GroCo: Ground Constraint for Metric Self-Supervised Monocular Depth},
author = {Aurélien Cecille and Stefan Duffner and Franck Davoine and Thibault Neveu and Rémi Agier},
journal= {arXiv preprint arXiv:2409.14850},
year = {2024}
}