本文主要探究利用神经网络从无标注视频中学习单帧 3D 几何和连续帧光流，并将二者并行处理整合得到更好的结果，通过综合实验结果表明该方法优于其他方法。

Oct, 2018

本文提出一种基于像素几何和物体运动模型的运动预测方法，通过将图像分为运动一致的区域并利用深度构建最佳匹配的流场基础来减少从单个图像重建流场的不确定性，并在场景结构和物体运动建模方面取得了最新的结果，同时对预测深度图的评估显示出可靠的单眼深度估计性能。

Jul, 2023

提出了一种模块化网络，利用几何分析独立对象运动能从码流场中恢复，利用 3D 刚体转换对背景和多个刚体运动物体进行分割掩模并获得刚性运动分割的最佳性能，从而显着改善深度和场景流估计。

Jan, 2021

该论文提出了一个从立体视频中学习独立移动物体动作的系统，该系统使用的唯一人工注释是 2D 物体边界框，并从中引入了对象的概念。与以前的基于学习的工作不同，该工作集中于预测每个图像的密集像素光流场和 / 或深度图，我们提出了从物体实例特定的 3D 场景流图和实例掩模预测来推断每个物体实例的运动方向和速度的方法，并且我们的网络考虑了问题的 3D 几何，允许它相关输入图像。我们进行了实验，评估了我们的 3D 流向量、深度图和投影的 2D 光流的精度，在这些实验中，我们联合学习的系统优于先前独立训练每个任务的方法。

Jan, 2019

该研究提出了一种基于深度学习的方法来将视频分解为三维几何（摄像机和深度）、运动物体和它们的运动，其中没有监督。通过最小化合成图像和对应真实图像之间的误差，可以完全无监督地训练预测姿态和深度的深度网络，同时在图像的小区域内预测不同的姿态，实现 6D 物体运动的丰富模型，实现了在 KITTI 上无监督里程计和深度预测的非常有竞争力的性能，同时在 EPIC-Kitchens 上实现了自动恢复深度、里程、对象分割或运动的新能力。

May, 2021

提出了一种新颖的无监督学习深度和自我运动的方法，它主要基于对场景的推断 3D 几何形状进行对齐，并与基于光度学营养和有效性掩模的 2D 损失相结合，最终得出在 KITTI 数据集上的优越结果。

Feb, 2018

本文介绍了一种基于几何一致性损失和自发现遮罩的深度估计和自我运动估计模型，模型能够处理运动物体和目标的遮挡问题并保证不同样本间的比例一致性。从实验结果来看，我们提出的深度估计模型在 KITTI 数据集上性能最好，并且我们提出的自动驾驶路线规划模型相对于之前的模型在预测全局一致的相机轨迹上有着很大的优势。

Aug, 2019

本文提出了一种基于单幅图像的全面三维场景理解的新管道，该管道可以预测物体形状、物体姿态和场景布局，利用最新的深度隐式表示方法解决了物体形状和布局的不精确估计的问题，通过物理违规损失函数避免了物体之间的错误场景。实验结果表明，该方法在物体形状、场景布局估计和三维物体检测方面优于现有最先进技术。

Mar, 2021

本文提出了一种基于深度学习网络、自我监督和知识蒸馏的训练协议，能够同时学习单目摄像机所需的几何、运动和语义信息，从而实现对整个场景的全面识别。实验结果表明，该框架不仅在单目深度估计、光流和运动分割等任务中取得了最先进的性能表现，并且能够在高性能 GPU 和低功耗嵌入式平台上实现高效的应用。

Mar, 2020

本文提出了一种端到端模型，可以仅依靠单个 RGB 图像实时同时解决 3D 室内场景理解中的物体边界框、房间布局和相机姿势问题，并通过对目标进行参数化和协同训练等手段，显著提升了 3D 物体检测、3D 布局估计、3D 相机姿势估计和整体场景理解的精度。

Oct, 2018