LightDepth：基于光照衰减的单视图深度自监督
计算机视觉与模式识别
2024-11-21 v2
摘要
如果有足够的真实深度数据用于监督训练，单视图深度估计可以非常有效。然而，在某些场景中，尤其是内镜等医学场景，无法获取此类数据。在这种情况下，多视图自监督与合成到真实迁移可作为替代方案，但与监督情形相比性能下降显著。相反，我们提出一种单视图自监督方法，其性能可与监督情形相媲美。在一些医疗设备（如内镜）中，相机与光源共置且距目标表面很近。因此，我们可以利用：对于任意给定反照率与表面朝向，像素亮度与到表面距离的平方成反比，从而提供强单视图自监督信号。在我们的实验中，我们的自监督模型达到了与全监督模型相当的精度，同时无需深度真实数据即可应用。
引用
@article{arxiv.2308.10525,
title = {LightDepth: Single-View Depth Self-Supervision from Illumination Decline},
author = {Javier Rodríguez-Puigvert and Víctor M. Batlle and J. M. M. Montiel and Ruben Martinez-Cantin and Pascal Fua and Juan D. Tardós and Javier Civera},
journal= {arXiv preprint arXiv:2308.10525},
year = {2024}
}