用于深度与自运动估计的自监督注意力学习
计算机视觉与模式识别
2022-12-07 v2 机器人学
摘要
我们解决了从图像序列进行深度与自运动估计的问题。该领域近期的进展提出以自监督方式利用图像重建训练一个深度学习模型来完成这两项任务。我们重新审视了当前方法的假设与局限,并提出了两项改进以提升深度与自运动估计的性能。我们首先利用李群性质来强制序列中图像与其重建之间的几何一致性。随后我们提出了一种机制,以将注意力集中于图像重建发生损坏的图像区域。我们展示了如何将注意力机制以注意力门的形式集成到流水线中,并将注意力系数用作掩码。我们在 KITTI 数据集上评估了新架构,并与先前技术进行比较。我们表明,我们的方法改进了自运动估计的 SOTA 结果,并在深度估计上取得了可比的结果。
引用
@article{arxiv.2004.13077,
title = {Self-Supervised Attention Learning for Depth and Ego-motion Estimation},
author = {Assem Sadek and Boris Chidlovskii},
journal= {arXiv preprint arXiv:2004.13077},
year = {2022}
}