基于语义驱动无监督学习的单目深度与自运动估计
计算机视觉与模式识别
2020-06-09 v1
摘要
本文提出一种语义驱动的无监督学习方法，用于从视频中估计单目深度和自运动。近期的无监督学习方法将合成视图与真实图像之间的光度误差作为训练的监督信号。在我们的方法中，我们利用语义分割信息来减轻场景中动态物体和遮挡的影响，并通过考虑深度与语义之间的相关性来提升深度预测性能。为避免昂贵的标注过程，我们使用由预训练语义分割网络得到的含噪语义分割结果。此外，我们最小化相邻帧对应点之间的位置误差以利用三维空间信息。在KITTI数据集上的实验结果表明，我们的方法在深度和自运动估计任务中均取得了良好性能。
引用
@article{arxiv.2006.04371,
title = {Semantics-Driven Unsupervised Learning for Monocular Depth and Ego-Motion Estimation},
author = {Xiaobin Wei and Jianjiang Feng and Jie Zhou},
journal= {arXiv preprint arXiv:2006.04371},
year = {2020}
}