TL;DR本文提出了一种基于回归和分类级联的网络,利用大规模训练数据和数据增强策略,在空间和深度分辨率之间寻求平衡,提高了网络的训练效果,在 NYU Depth V2、KITTI、Make3D 等基准测试中均取得了最佳或最先进的结果。
Abstract
monocular depth estimation, which plays a key role in understanding 3D scene
geometry, is fundamentally an ill-posed problem. Existing methods based on deep
convolutional neural networks (DCNNs) have examined thi
本文提出了一种利用深度学习解决复杂多物体单目深度估计问题的端到端学习框架,通过将单目深度估计表述为一种多类别密集标注任务以及采用软加权和推断方法等策略,实现了对多尺度深度信息的有效利用,降低了量化误差并提高了方法的鲁棒性。实验结果表明,该方法在 NYU Depth V2 数据集上表现优于当前最先进方法。