用于未校正视频序列的自注意力稠密深度估计网络
计算机视觉与模式识别
2021-03-02 v1
摘要
3D 场景的稠密深度估计具有众多应用，主要在机器人和监控领域。LiDAR 和雷达传感器是实时深度估计的硬件解决方案，但这些传感器生成的深度图稀疏且有时不可靠。近年来，旨在利用单张 2D 图像解决深度估计的研究受到了广泛关注。基于深度学习的自监督深度估计方法在经过校正的立体视频和单目视频帧上展现出了可喜的成果。我们提出了一种基于自注意力的深度与自运动网络，适用于未校正图像。我们还将不可微分的相机畸变引入到训练流程中。与使用校正后图像进行深度估计的其他成熟方法相比，我们的方法表现出相当的竞争力。
引用
@article{arxiv.2005.14313,
title = {Self-Attention Dense Depth Estimation Network for Unrectified Video Sequences},
author = {Alwyn Mathew and Aditya Prakash Patra and Jimson Mathew},
journal= {arXiv preprint arXiv:2005.14313},
year = {2021}
}