用于可靠性预测的单目深度估计变分模型
计算机视觉与模式识别
2020-11-25 v1
摘要
单目深度估计的自监督学习作为一种替代需要大量真值的有监督学习的方法被广泛研究。先前的工作通过修改模型结构、增加目标函数以及掩蔽动态物体和遮挡区域，成功提升了深度估计的精度。然而，在自动驾驶车辆和机器人等应用中使用此类估计深度图像时，我们必须统一相信每个像素位置上的估计深度。这可能导致执行任务时的致命错误，因为某些像素上的估计深度可能产生较大误差。本文中，我们从理论上构建了单目深度估计的变分模型，以预测估计深度图像的可靠性。基于该结果，我们可以排除低可靠性的估计深度或对其细化以供实际使用。所提方法的有效性在 KITTI 基准和 Make3D 数据集上得到了定量与定性的验证。
引用
@article{arxiv.2011.11912,
title = {Variational Monocular Depth Estimation for Reliability Prediction},
author = {Noriaki Hirose and Shun Taguchi and Keisuke Kawano and Satoshi Koide},
journal= {arXiv preprint arXiv:2011.11912},
year = {2020}
}
备注
17 pages, 11 figures, 7 tables