水下自监督单目深度估计
计算机视觉与模式识别
2022-10-10 v1 机器人学
摘要
深度估计对任何机器人系统都至关重要。过去几年中，从单目图像估计深度已取得巨大进步，然而由于介质引起的表观变化，在水下环境中结果仍落后。迄今为止，克服此问题的努力甚少。此外，水下使用高分辨率深度传感器有更多限制，这使得为学习方法生成真值成为另一巨大障碍。迄今尝试解决此问题的无监督方法成效十分有限，因为它们依赖从空气中数据集的域迁移。我们建议利用后续帧通过重投影损失进行自监督训练，正如在水上已被成功证明的那样。我们针对自监督框架提出若干补充以应对水下环境，并在一个具有挑战性的前视水下数据集上取得最先进结果。
引用
@article{arxiv.2210.03206,
title = {Self-Supervised Monocular Depth Underwater},
author = {Shlomi Amitai and Itzik Klein and Tali Treibitz},
journal= {arXiv preprint arXiv:2210.03206},
year = {2022}
}