PanoDepth：一种用于单目全向深度估计的两阶段方法
计算机视觉与模式识别
2022-02-04 v1
摘要
全向三维信息对于虚拟现实、自动驾驶、机器人技术等广泛应用至关重要。本文提出一种新颖的、模型无关的两阶段流水线，用于全向单目深度估计。我们提出的框架 PanoDepth 以一张 360 图像作为输入，在第一阶段生成一张或多张合成视图，并将原始图像与合成图像送入后续的立体匹配阶段。在第二阶段，我们提出一种可微分的球面扭曲层（Spherical Warping Layer），以高效且有效地处理全向立体几何。通过在立体匹配阶段利用基于立体的显式几何约束，PanoDepth 能够生成稠密的高质量深度。我们进行了大量实验与消融研究，以评估 PanoDepth 的完整流水线以及各阶段中的独立模块。结果表明，在 360 单目深度估计上，PanoDepth 大幅优于最先进的方法。
引用
@article{arxiv.2202.01323,
title = {PanoDepth: A Two-Stage Approach for Monocular Omnidirectional Depth Estimation},
author = {Yuyan Li and Zhixin Yan and Ye Duan and Liu Ren},
journal= {arXiv preprint arXiv:2202.01323},
year = {2022}
}
备注
Accepted by International Conference on 3D Vision (3DV). IEEE, 2021