用于单目深度图预测的半监督深度学习
计算机视觉与模式识别
2017-05-15 v3
摘要
监督式深度学习常受限于缺乏足够的训练数据。具体而言，在单目深度图预测的情境下，在现实动态户外环境中几乎不可能确定稠密真实深度图像。例如当使用 LiDAR 传感器时，距离测量中存在噪声，传感器之间的标定不可能完美，且测量通常比相机图像稀疏得多。本文提出一种从单目图像进行深度图预测的新方法，以半监督方式学习。在利用稀疏真实深度进行监督学习的同时，我们还强制我们的深度网络在立体设置中使用直接图像对齐损失产生光一致性稠密深度图。实验中，我们展示了相比最先进方法，从单幅图像进行深度图预测的优越性能。
引用
@article{arxiv.1702.02706,
title = {Semi-Supervised Deep Learning for Monocular Depth Map Prediction},
author = {Yevhen Kuznietsov and Jörg Stückler and Bastian Leibe},
journal= {arXiv preprint arXiv:1702.02706},
year = {2017}
}
备注
CVPR 2017 Spotlight