SelfTune：基于自监督学习的度量尺度单目深度估计
计算机视觉与模式识别
2022-03-11 v1
摘要
野外单目深度估计本质上预测的是尺度未知的深度。为解决尺度模糊问题，我们提出了一种利用单目同步定位与建图 (SLAM) 与本体感受传感器的学习算法。此类单目 SLAM 系统可提供度量尺度的相机位姿。给定这些度量位姿与单目序列，我们提出了一种自监督学习方法，使预训练的有监督单目深度网络能够实现度量尺度深度估计。我们的方法基于教师-学生框架，引导网络预测高质量深度。我们证明了我们的方法对移动机器人导航等多种应用有用，并适用于多样环境。我们的完整系统在 EuRoC、OpenLORIS 和 ScanNet 数据集上优于近期自监督深度估计与补全方法。
引用
@article{arxiv.2203.05332,
title = {SelfTune: Metrically Scaled Monocular Depth Estimation through Self-Supervised Learning},
author = {Jaehoon Choi and Dongki Jung and Yonghan Lee and Deokhwa Kim and Dinesh Manocha and Donghwan Lee},
journal= {arXiv preprint arXiv:2203.05332},
year = {2022}
}