基于自监督学习的航空影像单目深度估计
计算机视觉与模式识别
2020-08-18 v1
摘要
基于监督学习的方法进行单目深度估计通常需要大量经过详尽标注的训练数据。对于航空影像而言，此类真值尤其难以获取。因此，本文提出一种无需标注训练数据的航空影像单目深度估计自监督学习方法。为此，我们仅使用来自单个移动相机的图像序列，并学习同时估计深度与位姿信息。通过在位姿与深度估计间共享权重，我们得到一个相对较小的模型，有利于实时应用。我们在三个不同的数据集上评估了该方法，并将结果与基于多视几何估计深度图的常规方法进行比较。我们取得了最高 93.5% 的精度 {\delta}1.25。此外，我们特别关注训练模型对未知数据的泛化能力以及本方法的自改进能力。我们得出结论：尽管单目深度估计的结果劣于常规方法，但它们非常适于为依赖图像匹配的方法提供良好的初始化，或在图像匹配失败的区域（例如遮挡或无纹理区域）提供估计值。
引用
@article{arxiv.2008.07246,
title = {Self-Supervised Learning for Monocular Depth Estimation from Aerial Imagery},
author = {Max Hermann and Boitumelo Ruf and Martin Weinmann and Stefan Hinz},
journal= {arXiv preprint arXiv:2008.07246},
year = {2020}
}