NDDepth：法向-距离辅助的单目深度估计
计算机视觉与模式识别
2023-09-26 v2
摘要
由于其广泛应用，单目深度估计已引起视觉界的广泛关注。在本文中，我们通过假设 3D 场景由分段平面构成，提出了一种新颖的由物理（几何）驱动的单目深度估计深度学习框架。特别地，我们引入了一个新的法向-距离头，输出像素级表面法向和平面到原点的距离以推导各位置的深度。同时，法向和距离由所开发的平面感知一致性约束进行正则化。我们进一步集成了一个额外的深度头以提高所提框架的鲁棒性。为充分发挥这两个头的优势，我们开发了一个有效的对比迭代细化模块，根据深度不确定性以互补方式细化深度。大量实验表明，所提方法在 NYU-Depth-v2、KITTI 和 SUN RGB-D 数据集上超越了先前的最优竞争者。值得注意的是，在提交时，它在 KITTI 深度预测在线基准的所有提交中排名第一位。
引用
@article{arxiv.2309.10592,
title = {NDDepth: Normal-Distance Assisted Monocular Depth Estimation},
author = {Shuwei Shao and Zhongcai Pei and Weihai Chen and Xingming Wu and Zhengguo Li},
journal= {arXiv preprint arXiv:2309.10592},
year = {2023}
}
备注
Accepted by ICCV 2023 (Oral)