SphereDepth：基于球域的全景深度估计
计算机视觉与模式识别
2022-12-06 v3
摘要
全景图像能够同时展示周围环境的完整信息，并在虚拟旅游、游戏、机器人等领域具有诸多优势。然而，全景深度估计的进展尚无法完全解决常用投影方法带来的畸变与不连续问题。本文提出 SphereDepth，一种新颖的全景深度估计方法，该方法直接在球面网格上预测深度，无需投影预处理。其核心思想是建立全景图像与球面网格之间的关系，然后使用深度神经网络在球域上提取特征以预测深度。为解决高分辨率全景数据带来的效率挑战，我们为所提出的球面网格处理框架引入两个超参数，以平衡推理速度与精度。在三个公开全景数据集上的验证表明，SphereDepth 取得了与最先进（SOTA）全景深度估计方法相当的结果。得益于球域设置，SphereDepth 能够生成高质量点云，并显著缓解畸变与不连续问题。
引用
@article{arxiv.2208.13714,
title = {SphereDepth: Panorama Depth Estimation from Spherical Domain},
author = {Qingsong Yan and Qiang Wang and Kaiyong Zhao and Bo Li and Xiaowen Chu and Fei Deng},
journal= {arXiv preprint arXiv:2208.13714},
year = {2022}
}
备注
Conference accept at 3DV 2022