基于深度网络方向一致性的单目深度估计
计算机视觉与模式识别
2019-05-14 v1 机器学习
摘要
随着计算能力变得更加可用，更多类人的人工智能被创造出来以解决我们天生擅长的图像处理任务。为此我们提出了一种从单目图像估计深度的模型。我们的方法利用了运动恢复结构与立体视差的组合。我们估计源图像与另一视点之间的位姿以及稠密深度图，并使用简单的变换来重建从该视点看到的图像。然后我们可以用该视点的真实图像作为监督来训练我们的模型。所选择的图像比较度量采用标准 L1 与结构相似性，以及深度图之间的一致性约束和平滑性约束。我们表明，类似于人类感知，利用两种不同方法提供的数据间的相关性提高了准确性，并优于各个单独组件。
引用
@article{arxiv.1905.04467,
title = {Monocular Depth Estimation with Directional Consistency by Deep Networks},
author = {Fabian Truetsch and Alfred Schöttl},
journal= {arXiv preprint arXiv:1905.04467},
year = {2019}
}