P2D：一种基于偏振的自监督单目深度估计方法
计算机视觉与模式识别
2020-07-16 v1
摘要
单目深度估计是计算机视觉领域的常见课题。其通过深度图描述场景并降低透视几何表述相关约束的能力，倾向于推动其应用。然而，尽管算法不断改进，大多数方法仅利用色度信息。因此，对于该模态不敏感的事件（如镜面反射或透明性）的鲁棒性被忽视。针对此现象，我们提出将偏振测量作为自监督单目深度（monodepth）网络的输入。为此，我们提出利用偏振线索以促进场景的精确重建。此外，我们在最先进方法中加入偏振正则化项，以特别利用该数据的优势。我们的方法在定性与定量上均经评估，表明这一新信息的引入及增强的损失函数改善了深度估计结果，尤其在镜面区域。
引用
@article{arxiv.2007.07567,
title = {P2D: a self-supervised method for depth estimation from polarimetry},
author = {Marc Blanchon and Désiré Sidibé and Olivier Morel and Ralph Seulin and Daniel Braun and Fabrice Meriaudeau},
journal= {arXiv preprint arXiv:2007.07567},
year = {2020}
}
备注
8 pages, submitted to ICPR2020 second round