单目深度估计的分布外检测
计算机视觉与模式识别
2023-08-14 v1
摘要
在单目深度估计中，不确定性估计方法主要针对由图像噪声引入的数据不确定性。与以往工作不同，我们关注由于知识缺失导致的不确定性，这与检测未被训练分布所代表的数据（即所谓的分布外（OOD）数据）密切相关。受异常检测启发，我们提出基于重构误差从编码器-解码器深度估计模型中检测OOD图像。给定由固定深度编码器提取的特征，我们仅使用分布内数据训练一个图像解码器进行图像重构。因此，OOD图像会产生较高的重构误差，我们借此区分分布内与分布外样本。我们的实验建立在标准NYU Depth V2和KITTI基准作为分布内数据上。我们的事后方法在不同模型上表现惊人地好，并在不修改已训练编码器-解码器深度估计模型的情况下优于现有的不确定性估计方法。
引用
@article{arxiv.2308.06072,
title = {Out-of-Distribution Detection for Monocular Depth Estimation},
author = {Julia Hornauer and Adrian Holzbock and Vasileios Belagiannis},
journal= {arXiv preprint arXiv:2308.06072},
year = {2023}
}
备注
Accepted to ICCV 2023