使用深度注意力体积引导单目深度估计
计算机视觉与模式识别
2020-08-18 v2
摘要
从单张图像中恢复场景深度是一个病态问题，需要额外的先验（通常称为单目深度线索）来消除不同 3D 解释的歧义。在最近的工作中，这些先验已通过深度神经网络以端到端的方式从大型数据集中学习得到。在本文中，我们提出引导深度估计以倾向于在室内环境中普遍存在的平面结构。这是通过一种称为深度注意力体积（DAV）的新型注意力机制将非局部共面性约束并入网络来实现的。在两个流行的室内数据集（即 NYU-Depth-v2 和 ScanNet）上的实验表明，我们的方法实现了 SOTA 的深度估计结果，同时仅使用了竞争方法所需参数数量的一小部分。
引用
@article{arxiv.2004.02760,
title = {Guiding Monocular Depth Estimation Using Depth-Attention Volume},
author = {Lam Huynh and Phong Nguyen-Ha and Jiri Matas and Esa Rahtu and Janne Heikkila},
journal= {arXiv preprint arXiv:2004.02760},
year = {2020}
}
备注
30 pages