通过透视与全景深度图像配准实现 360 度全景图的高分辨率深度估计
计算机视觉与模式识别
2022-10-27 v3
摘要
我们提出一种计算全景图高分辨率（2048x1024 及更高）深度的新方法，其速度显著更快，且在质量上和定量上比当前最优方法（360MonoDepth）更准确。由于传统基于神经网络的方法受 GPU 显存限制，输出图像尺寸有限（最高 1024x512），360MonoDepth 和我们的方法都依赖于拼接多张透视视差或深度图像以得到统一的全景深度图。然而，为实现全局一致的拼接，360MonoDepth 依赖求解大量的视差图对齐和基于泊松的融合问题，导致计算耗时高。相反，我们提出使用一张已有的全景深度图（由任意基于全景的方法实时计算）作为各透视深度图配准的共同目标。这一关键思路使得从直接任务中生成全局一致的拼接结果成为可能。我们的实验表明，该方法生成的结果在质量上优于现有基于全景的方法，并在这些方法未见过的数据集上进一步在定量上超越它们。
引用
@article{arxiv.2210.10414,
title = {High-Resolution Depth Estimation for 360-degree Panoramas through Perspective and Panoramic Depth Images Registration},
author = {Chi-Han Peng and Jiayao Zhang},
journal= {arXiv preprint arXiv:2210.10414},
year = {2022}
}
备注
IEEE/CVF Winter Conference on Applications of Computer Vision (WACV) 2023, to appear