单目深度参数化网络
计算机视觉与模式识别
2020-12-22 v1
摘要
单目深度估计是一个极具挑战性的问题，通常用深度神经网络来解决。虽然这些网络能够利用图像特征识别来预测外观合理的深度图，但结果往往具有较低的度量精度。相比之下，在传统立体方法中，使用多个相机在可以进行像素匹配时提供高精度的估计。在这项工作中，我们提议将两种方法结合起来以利用它们各自的优势。为此，我们提出了一种网络结构，该结构在给定图像的情况下提供一组具有可行形状的 depth maps 的参数化。然后通过对参数化进行优化，使我们能够针对其他图像搜索满足光度一致性的形状解。这使我们能够强制实施在单幅图像中难以观察到的几何属性，并放宽学习问题，从而允许我们使用相对较小的网络。我们的实验评估表明，与最先进的竞争方法相比，我们的方法生成更准确的深度图并具有更好的泛化能力。
引用
@article{arxiv.2012.11301,
title = {Monocular Depth Parameterizing Networks},
author = {Patrik Persson and Linn Öström and Carl Olsson},
journal= {arXiv preprint arXiv:2012.11301},
year = {2020}
}