基于自运动与视差一致性的无监督视频深度估计
计算机视觉与模式识别
2019-09-04 v1
摘要
基于无监督学习的深度估计方法因不需要大量难以获取的密集标注数据训练而受到越来越多关注。本文中，我们利用 Zhou 等人最先进的方法（联合估计深度与相机运动），提出一种自然场景下新颖的无监督单目视频深度估计方法。我们的方法在基线方法上从三方面推进：1）我们通过基于估计视差引入左右双目图像重建损失，为基线方法增加额外监督信号，从而左帧可由立体视觉的时间帧与右帧重建；2）网络通过联合使用两类视图合成损失与左右视差一致性正则化训练，以同时估计深度与位姿；3）我们使用边缘感知平滑 L2 正则化在保留目标轮廓的同时平滑深度图。在 KITTI 自动驾驶数据集与 Make3D 数据集上的大量实验表明了我们的算法在训练效率上的优越性。我们仅用 3/5 的训练数据即可取得与基线具竞争力的结果。实验结果还表明，我们的方法甚至优于使用真实深度或给定位姿训练的古典有监督方法。
引用
@article{arxiv.1909.01028,
title = {Unsupervised Video Depth Estimation Based on Ego-motion and Disparity Consensus},
author = {Lingtao Zhou and Jiaojiao Fang and Guizhong Liu},
journal= {arXiv preprint arXiv:1909.01028},
year = {2019}
}