利用通用多尺度卷积架构预测深度、表面法向量与语义标签
计算机视觉与模式识别
2015-12-18 v4
摘要
本文利用单一基础架构处理三种不同的计算机视觉任务：深度预测、表面法向量估计和语义标注。我们使用一种多尺度卷积网络，仅需微小修改即可适应每种任务，直接从输入图像回归到输出映射。我们的方法通过一系列尺度逐步细化预测，并在无需超像素或低级分割的情况下捕捉丰富的图像细节。我们在所有三项任务的基准测试中均达到了最先进 (SOTA) 的性能。
引用
@article{arxiv.1411.4734,
title = {Predicting Depth, Surface Normals and Semantic Labels with a Common Multi-Scale Convolutional Architecture},
author = {David Eigen and Rob Fergus},
journal= {arXiv preprint arXiv:1411.4734},
year = {2015}
}