SDNet：语义引导的深度估计网络
计算机视觉与模式识别
2019-07-26 v1
摘要
自动驾驶车辆与机器人需要对环境具备完整的场景理解以与之交互。此类感知通常包含来自视频传感器的每幅图像中逐像素的深度与语义标签知识。近期基于学习的方法使用两个独立的 CNN 分别估计这两类信息。本文中，我们提出一种能够同时预测两种输出的模型，与深度与语义的独立估计相比，其带来了结果的提升甚至计算成本的降低。我们还从经验上证明该 CNN 能够学习到更有意义且语义更丰富的特征。此外，我们的 SDNet 基于序数分类估计深度。基于这两项改进，我们所提方法在来自单目输入图像的语义分割与深度估计上于两个具挑战性数据集取得了当前最优（SOTA）结果。
引用
@article{arxiv.1907.10659,
title = {SDNet: Semantically Guided Depth Estimation Network},
author = {Matthias Ochs and Adrian Kretz and Rudolf Mester},
journal= {arXiv preprint arXiv:1907.10659},
year = {2019}
}
备注
Paper is accepted at German Conference on Pattern Recognition (GCPR), Dortmund, Germany, September 2019