基于视频的深度与自运动无监督学习
计算机视觉与模式识别
2017-08-02 v2
摘要
我们提出一种无监督学习框架，用于从非结构化视频序列中估计单目深度与相机运动这一任务。我们通过同时训练深度与相机位姿估计网络，以视图合成任务作为监督信号，来实现此目标。这些网络在训练期间通过视图合成目标耦合，但在测试时可独立应用。在 KITTI 数据集上的实证评估证明了我们方法的有效性：1) 单目深度性能可与使用真实位姿或深度进行训练的监督方法相媲美；2) 在可比输入设置下，位姿估计优于成熟的 SLAM 系统。
引用
@article{arxiv.1704.07813,
title = {Unsupervised Learning of Depth and Ego-Motion from Video},
author = {Tinghui Zhou and Matthew Brown and Noah Snavely and David G. Lowe},
journal= {arXiv preprint arXiv:1704.07813},
year = {2017}
}
备注
Accepted to CVPR 2017. Project webpage: https://people.eecs.berkeley.edu/~tinghuiz/projects/SfMLearner/