重新思考编码器-解码器网络中用于单目深度估计的跳跃连接
计算机视觉与模式识别
2022-08-30 v1 人工智能
摘要
跳跃连接是编码器-解码器网络中的基本单元，能够改善神经网络的特征传播。然而，大多数采用跳跃连接的方法仅将编码器中与解码器分辨率相同的特征相连，忽略了编码器随层数加深而产生的信息损失。为利用编码器较浅层特征的信息损失，我们提出一种用于单目深度估计任务的全跳跃连接网络（FSCN）。此外，为使跳跃连接内的特征融合更紧密，我们提出一种自适应拼接模块（ACM）。进一步，我们在室外与室内数据集（即 KITTI 数据集与 NYU Depth V2 数据集）上对 FSCN 进行了大量实验，FSCN 取得了最先进（SOTA）的结果。
引用
@article{arxiv.2208.13441,
title = {Rethinking Skip Connections in Encoder-decoder Networks for Monocular Depth Estimation},
author = {Zhitong Lai and Haichao Sun and Rui Tian and Nannan Ding and Zhiguo Wu and Yanjie Wang},
journal= {arXiv preprint arXiv:2208.13441},
year = {2022}
}