具有清晰边界的单目深度估计
计算机视觉与模式识别
2021-10-13 v1
摘要
单目深度估计是计算机视觉中的基础任务。随着深度学习的发展，其在过去十年中取得了巨大进展。但深度图的边界模糊仍是一个严重问题。研究发现边界模糊问题主要由两个因素引起：第一，包含边界与结构信息的低级特征在更深层网络的卷积过程中可能丢失；第二，由于边界区域占整体区域比例很小，模型在反向传播时忽略了边界区域引入的误差。为缓解边界模糊问题，我们聚焦于上述两个影响因素。首先，我们设计了一个场景理解模块，以低级与高级特征学习全局信息，随后通过提出的尺度变换模块根据解码器的不同阶段将全局信息转换到不同尺度。其次，我们提出一种边界感知深度损失函数，以关注边界深度值的影响。大量实验表明，我们的方法能够预测具有更清晰边界的深度图，且基于 NYU-depth v2 与 SUN RGB-D 的深度精度性能具有竞争力。
引用
@article{arxiv.2110.05885,
title = {Monocular Depth Estimation with Sharp Boundary},
author = {Xin Yang and Qingling Chang and Xinlin Liu and Yan Cui},
journal= {arXiv preprint arXiv:2110.05885},
year = {2021}
}
备注
20 pages,9 figures