高度复杂环境下的无监督单目深度估计

随着计算智能算法的发展，由扭曲光度一致性驱动的无监督单目深度与位姿估计框架在白天场景中表现出优异性能。而在夜间与雨夜等一些挑战性环境中，由于复杂的光照与反射，基本的光度一致性假设不再成立，以致上述无监督框架无法直接应用于这些复杂场景。本文研究高度复杂场景下的无监督单目深度估计问题，并采用基于图像迁移的域适应框架来解决这一挑战性问题。我们将在白天场景上训练的深度模型适配至夜间场景可用，并对特征空间与输出空间的约束促使框架学习深度解码的关键特征。同时，我们进一步应对不稳定图像迁移质量对域适应的影响，提出一种图像适配方法以评估迁移图像的质量并对相应损失重新加权，从而提升适配后深度模型的性能。大量实验表明了所提无监督框架在从高度复杂图像估计稠密深度图上的有效性。