基于师生网络的伪监督单目深度估计
计算机视觉与模式识别
2021-10-25 v1
摘要
尽管监督式单目深度估计近期有所改进，高质量像素级真值标注的缺乏已成为进一步发展的主要障碍。在本工作中，我们提出一种基于伪监督机制的新无监督深度估计方法，通过知识蒸馏训练师生网络。该方法策略性地融合了监督与无监督单目深度估计以及无监督双目深度估计的优势。具体而言，教师网络利用双目深度估计的有效性生成精确视差图，随后将其作为伪真值来训练学生网络进行单目深度估计。这有效地将无监督学习问题转化为监督学习问题。我们大量的实验结果表明，所提方法在KITTI基准上优于当前最优(state-of-the-art)方法。
引用
@article{arxiv.2110.11545,
title = {Pseudo Supervised Monocular Depth Estimation with Teacher-Student Network},
author = {Huan Liu and Junsong Yuan and Chen Wang and Jun Chen},
journal= {arXiv preprint arXiv:2110.11545},
year = {2021}
}