基于深度学习的单目深度估计：综述
计算机视觉与模式识别
2020-07-06 v2
摘要
深度信息对于自主系统感知环境并估计自身状态十分重要。传统的深度估计方法，如运动恢复结构与立体视觉匹配，建立于多视角的特征对应之上。同时，预测的深度图是稀疏的。从单幅图像推断深度信息（单目深度估计）是一个不适定问题。随着深度神经网络的快速发展，基于深度学习的单目深度估计近年来被广泛研究，并在精度上取得了令人满意的性能。同时，深度神经网络以端到端方式从单幅图像估计出稠密深度图。为提高深度估计精度，随后提出了不同类型的网络框架、损失函数与训练策略。因此，我们在本综述中调研了当前基于深度学习的单目深度估计方法。首先，我们总结了深度学习中深度估计常用的若干数据集与评价指标。进而，我们根据有监督、无监督与半监督等不同训练方式回顾了一些具代表性的现有方法。最后，我们讨论了挑战并为单目深度估计的未来研究提供一些思路。
引用
@article{arxiv.2003.06620,
title = {Monocular Depth Estimation Based On Deep Learning: An Overview},
author = {Chaoqiang Zhao and Qiyu Sun and Chongzhen Zhang and Yang Tang and Feng Qian},
journal= {arXiv preprint arXiv:2003.06620},
year = {2020}
}
备注
14 pages, 4 figures