OmniDepth：面向室内球面全景图的稠密深度估计
计算机视觉与模式识别
2018-07-26 v1
摘要
迄今为止关于深度估计的近期工作仅关注投影图像，忽略了如今越来越多且更易生成的 360 内容。我们表明，在常规图像上训练的单目深度估计模型在全景图像上产生次优结果，展示了直接在 360 数据集上训练的必要性，然而此类数据集难以获取。在本工作中，我们通过重新使用最近发布的大规模 3D 数据集并将其通过渲染改造为 360 来规避获取带真实深度标注的高质量 360 数据集的挑战。该数据集比类似的投影数据集大得多，我们公开提供给社区以促进未来该方向的研究。我们使用该数据集以端到端方式学习从 360 图像进行深度估计的任务。我们在合成数据以及未见过的真实图像上展示了有前景的结果。
引用
@article{arxiv.1807.09620,
title = {OmniDepth: Dense Depth Estimation for Indoors Spherical Panoramas},
author = {Nikolaos Zioulis and Antonis Karakottas and Dimitrios Zarpalas and Petros Daras},
journal= {arXiv preprint arXiv:1807.09620},
year = {2018}
}
备注
Pre-print to appear in ECCV18