面向单目深度与自运动估计的自监督尺度恢复

利用单目图像联合训练深度与自运动神经网络的自监督损失公式已被充分研究，并展示了最先进的精度。然而，该方法的主要局限之一在于深度与自运动估计仅能确定到一个未知尺度。本文提出一种新颖的尺度恢复损失，其强制已知相机高度与估计相机高度之间的一致性，从而生成度量（带尺度）的深度与自运动预测。我们表明，所提方法在需要更多信息的其他尺度恢复技术中具有竞争力。此外，我们证明我们的方法有助于在新环境中进行网络再训练，而其他解决尺度的方法无法做到这一点。值得注意的是，我们的自运动网络能够比仅在测试时恢复尺度的类似方法产生更精确的估计。