用于自监督单目深度估计的残差引导学习表征

光度一致性损失是用于自监督单目深度估计的代表性目标函数之一。然而，由于引导不正确，该损失常在无纹理或遮挡区域导致不稳定的深度预测。近期的自监督学习方法通过利用从自编码器显式学习的特征表示来解决此问题，期望比输入图像具有更好的判别性。尽管使用了自编码特征，我们观察到该方法并未嵌入像自编码特征那样具有判别性的特征。本文中，我们提出残差引导损失，通过迁移自编码特征的判别性使深度估计网络嵌入判别性特征。我们在KITTI基准上进行了实验，并验证了我们的方法相对于其他最先进方法的优越性和正交性。