无监督单目立体匹配
计算机视觉与模式识别
2019-01-01 v1
摘要
目前，深度学习已越来越多地应用于单目图像深度估计，并展现出有前景的结果。当前较为理想的单目深度估计方法为基于真实深度（ground truth depth）的监督学习，但该方法需要大量昂贵的真实深度作为监督标签。因此，研究者开始致力于无监督深度估计方法。尽管无监督深度估计方法的精度仍低于监督方法，但其是一个有前景的研究方向。本文基于在相同无监督深度估计模型下立体匹配模型优于单目深度估计模型的实验结果，提出了一种无监督单目视觉立体匹配方法。为实现单目立体匹配，我们构建了两个无监督深度卷积网络模型，其一由左视图重建右视图，另一利用重建的右视图与原始左视图估计深度图。在测试阶段，这两个网络模型依次串联。该方法在具有挑战性的 KITTI 数据集上的输出结果优于当前主流的无监督深度估计方法。
引用
@article{arxiv.1812.11671,
title = {Unsupervised monocular stereo matching},
author = {Zhimin Zhang and Jianzhong Qiao and Shukuan Lin},
journal= {arXiv preprint arXiv:1812.11671},
year = {2019}
}