重新审视自监督单目深度估计

从单目视频序列中自监督学习深度图预测与运动估计至关重要——因为它实现了机器人与自动驾驶车辆中的广泛任务。大量研究工作通过解决光照变化、遮挡和动态物体等问题提升了性能。然而，这些工作各自针对独立目标并作为单独研究存在。此外，多数先前工作采用了相同的 CNN 架构，未能收获架构带来的益处。因此，仍有必要考察先前方法间的相互依赖关系以及架构因素的影响。为实现这些目标，我们重新审视了众多先前提出的用于深度与运动联合学习的自监督方法，开展了全面的实证研究，并揭示了多个关键见解。此外，我们的研究显著提升了性能——超越了先前最先进的性能。