使用基于点的融合进行时间一致的在线深度估计

深度估计是许多计算机视觉问题（如 3D 重建、新视角合成和计算摄影）中的重要步骤。大多数现有工作专注于从单帧进行深度估计。当应用于视频时，结果缺乏时间一致性，出现闪烁和游动伪影。在本文中，我们旨在在线设置下估计视频流的时间一致深度图。这是一个困难的问题，因为未来帧不可用，且方法必须在强制一致性和纠正先前估计的错误之间做出选择。动态物体的存在进一步使问题复杂化。我们提出通过使用每帧动态更新的全局点云，以及图像空间中学习的融合方法来应对这些挑战。我们的方法鼓励一致性，同时允许更新以处理错误和动态物体。定性和定量结果表明，我们的方法在一致视频深度估计方面达到了最先进的质量。