基于深度神经网络与左右一致性的半监督单目深度估计
计算机视觉与模式识别
2019-05-21 v1 人工智能
机器人学
摘要
从单目相机图像估计场景深度已取得巨大的研究进展。现有的单图像深度预测方法完全基于深度神经网络，其训练可利用立体图像对进行无监督、利用LiDAR点云进行监督，或利用立体与LiDAR两者进行半监督。一般而言，半监督训练更受青睐，因为它既不会受监督训练中因相机与LiDAR视场差异带来的缺陷影响，也不会受无监督训练中因从立体对可恢复的深度精度差带来的缺陷影响。本文中，我们展示了使用优于当前最优水平的半监督训练进行单图像深度预测的研究。我们通过一个在立体重建中显式利用左右一致性的损失函数实现这一点，该一致性在以往的半监督训练中未被采用。此外，我们描述了由LiDAR导出的真实深度值的正确使用方法，其可显著降低预测误差。我们的深度预测模型性能在流行数据集上进行了评估，且我们通过实验结果展示了半监督训练方法中各要素的重要性。我们的深度神经网络模型已公开可用。
引用
@article{arxiv.1905.07542,
title = {Semi-Supervised Monocular Depth Estimation with Left-Right Consistency Using Deep Neural Network},
author = {Ali Jahani Amiri and Shing Yan Loo and Hong Zhang},
journal= {arXiv preprint arXiv:1905.07542},
year = {2019}
}
备注
Submitted to IROS2019