Y-GAN：一种用于从多相机立体图像估计深度图的生成对抗网络
计算机视觉与模式识别
2019-06-06 v1 机器学习
机器学习
摘要
深度感知是与真实世界交互的自主系统（如配送机器人、仓储机器人和自动驾驶汽车）的关键组成部分。自主机器人中的任务，如 3D 物体识别、同步定位与建图（SLAM）、路径规划与导航，都需要某种形式的 3D 空间信息。深度感知是计算机视觉与机器人学中的长期研究问题，有着悠久历史。许多使用深度学习的方法，从运动恢复结构、形状自 X、单目、双目和多视立体，已取得可接受的结果。然而，这些方法存在若干缺陷，如需要昂贵硬件、需要监督训练数据、无真值数据用于比较，以及忽略遮挡。为解决这些缺陷，本工作提出了一种称为 Y-GAN 的新型深度卷积生成对抗网络架构，其利用来自三个摄像头的数据来估计多摄像头视频流中每一帧的深度图。
引用
@article{arxiv.1906.00932,
title = {Y-GAN: A Generative Adversarial Network for Depthmap Estimation from Multi-camera Stereo Images},
author = {Miguel Alonso},
journal= {arXiv preprint arXiv:1906.00932},
year = {2019}
}
备注
Accepted for Presentation at the ICML 2019 LatinX in AI Research Workshop