面向水下单目深度估计的物理模型导向混合CNN-Transformer框架——UMono
偏微分方程分析
2024-10-31 v3
摘要
水下单目深度估计是诸如3D重建水下场景等任务的基础。然而，由于光和介质的影响，水下环境经历独特的成像过程，这给 accurate地估计单张图像的深度带来了挑战。现有方法未考虑水下环境的独特特征，导致估计结果不足且泛化性能有限。此外，水下深度估计需要提取和融合局部和全局特征，而现有方法未充分探索这一点。本文提出了一种用于水下单目深度估计的端到端学习框架，称为UMono，该框架将水下图像形成模型的特征纳入网络架构，并有效地利用水下图像的局部和全局特征。实验结果表明，所提方法对水下单目深度估计有效， 在定性和定量分析中均优于现有方法。
引用
@article{arxiv.2407.17837,
title = {Partial gradient regularity for parabolic systems with degenerate diffusion and H\"older continuous coefficients},
author = {Fabian Bäuerlein},
journal= {arXiv preprint arXiv:2407.17837},
year = {2024}
}
备注
46 pages, 1 figure