无监督单幅水下图像深度估计

从单幅水下图像进行深度估计是最具挑战性的问题之一，且高度不适定。由于缺少大规模通用水下深度数据集以及难以获取真实深度图，诸如直接深度回归之类的监督学习技术无法使用。在本文中，我们提出一种无监督方法，利用雾作为深度线索，对“真实场景”中拍摄的单幅水下图像进行深度估计。我们的方法基于间接深度图估计，其中我们学习无配对 RGB-D 陆地图像与任意水下图像之间的映射函数以估计所需深度图。我们提出一种基于循环一致学习原理并使用基于 dense-block 的自编码器作为生成器网络的方法。我们在具有不同衰减与散射条件的多种水下图像上对我们的方法进行了定量与定性评估及比较，结果表明我们的方法在单幅水下图像无监督深度估计上取得了 SOTA 结果。