基于自监督学习的单目图像深度估计
计算机视觉与模式识别
2023-04-17 v1 人工智能
机器学习
机器人学
摘要
深度估计在计算机视觉领域具有广泛应用，如目标跟踪、增强现实和自动驾驶。单目深度估计的目标是给定一张2D单目RGB图像作为输入，预测深度图。传统的深度估计方法基于深度线索并使用了诸如对极几何等概念。随着卷积神经网络的发展，深度估计取得了巨大进步。在本项目中，我们旨在探索现有SoTA基于深度学习的深度估计模型的可能扩展，并考察性能指标是否可进一步提升。从更广的意义上说，我们研究实现姿态估计、高效亚像素卷积插值、语义分割估计技术以进一步增强我们所提架构并提供细粒度且更具全局一致性的深度图预测的可能性。我们还计划摒弃训练中的相机内参并应用天气增强以进一步泛化我们的模型。
引用
@article{arxiv.2304.06966,
title = {Self-Supervised Learning based Depth Estimation from Monocular Images},
author = {Mayank Poddar and Akash Mishra and Mohit Kewlani and Haoyang Pei},
journal= {arXiv preprint arXiv:2304.06966},
year = {2023}
}