动态场景中的无监督单目深度学习
计算机视觉与模式识别
2020-11-10 v2 图形学
机器学习
机器人学
摘要
我们提出一种联合训练深度、自运动以及物体相对于场景的稠密 3D 平移场估计的方法，其唯一监督来源为单目光度一致性。我们表明，这一看似严重欠定的问题可通过施加关于 3D 平移场的如下先验知识来正则化：它们是稀疏的，因为大部分场景是静态的，且对于刚性运动物体它们往往为常数。我们表明，仅此正则化便足以训练出在动态场景中超越先前工作所达精度的单目深度预测模型，包括那些需要语义输入的方法。代码见 https://github.com/google-research/google-research/tree/master/depth_and_motion_learning 。
引用
@article{arxiv.2010.16404,
title = {Unsupervised Monocular Depth Learning in Dynamic Scenes},
author = {Hanhan Li and Ariel Gordon and Hang Zhao and Vincent Casser and Anelia Angelova},
journal= {arXiv preprint arXiv:2010.16404},
year = {2020}
}
备注
Accepted at 4th Conference on Robot Learning (CoRL 2020)