ROIFormer：面向高效自监督单目深度估计的语义感知感兴趣区域 Transformer
计算机视觉与模式识别
2023-03-07 v3
摘要
对互利跨领域的探索已在精确自监督深度估计方面展现出巨大潜力。本文中，我们重审深度与语义信息间的特征融合，并提出一种用于几何感知表示增强的高效局部自适应注意力方法。我们并非在无约束下建立全局连接或跨特征空间形变注意力，而是将空间交互限定于可学习的感兴趣区域内。具体而言，我们利用语义信息提供的几何线索学习局部自适应边界框，以引导无监督特征聚合。局部区域将多数不相关参考点排除于注意力空间之外，从而实现更具选择性的特征学习与更快收敛。我们自然地将此范式扩展为多头分层方式，以在不同语义层级实现信息蒸馏，并提升细粒度深度估计的特征判别能力。在 KITTI 数据集上的大量实验表明，我们所提方法在自监督单目深度估计任务中确立了新的 SOTA，证明了本方法相对于先前 Transformer 变体的有效性。
引用
@article{arxiv.2212.05729,
title = {ROIFormer: Semantic-Aware Region of Interest Transformer for Efficient Self-Supervised Monocular Depth Estimation},
author = {Daitao Xing and Jinglin Shen and Chiuman Ho and Anthony Tzes},
journal= {arXiv preprint arXiv:2212.05729},
year = {2023}
}
备注
Camera Ready for AAAI 2023