使用单个图像进行三维重建存在困难,使用单个图像与文本描述相结合可以提高度量标度重建性能。
Apr, 2024
这个研究探讨了如何通过使用卷积神经网络和其它技术来优化和扩展基于深度学习的深度估计模型,以提高相机获取的图像的三维深度感知的精度。
Apr, 2023
使用神经网络对本地场景几何结构进行建模,通过对不同阶、方向和比例下的深度导数进行概率分布预测,采用全球化处理方法获得一个一致性深度图以解决深度估计中的歧义。
May, 2016
本文提出通过深度注意力体加入非局部共面性约束来引导深度估计,从而在室内环境中取得最先进的深度估计结果。
Apr, 2020
该研究利用对抗训练方法实现单目深度估计,通过引入上下文感知的非局部损失函数,将深度值的预测作为一个整体进行惩罚,具有较好的性能表现。
Aug, 2018
该研究对基于深度学习的单张图像深度估计方法进行了调研,总结了常用的数据集、评价指标和不同的训练方式,并讨论了未来研究中的挑战和方向。
Mar, 2020
文章提出了一种新的方法将深度回归问题由连续问题转化为离散二分类问题来提高深度估计的准确性和鲁棒性,在保证实时性的前提下比先前方法能更好地估计不确定性,显著降低因不确定性导致的估计误差,并提高三维地图重建的精确度和内存效率。
Dec, 2019
从单幅图像恢复 3D 深度是一项基础的计算机视觉任务,本研究提出了一种基于稳定扩散方法的仿射不变单目深度估计方法 Marigold,通过使用先前生成扩散模型中捕获的大量先验知识,该方法在各种数据集上取得了最先进的性能表现。
Dec, 2023
本文提出了一种基于单张图像深度估计的 3D 物体检测方法,该方法利用细节和多个子任务提取视觉线索并生成多个深度估计值,再通过深度选择和组合策略得到单个深度估计值以提高精度和鲁棒性,在 KITTI 3D 物体检测基准测试中的表现甚至比当前最佳方法都要超过 20%。
May, 2022
该论文提出了一种自监督学习的方法,利用几何先验和自编码器来提高单目深度估计的效果,实验结果表明该方法在 KITTI 数据集上的表现优于现有方法,适用于高性能 GPU 和嵌入式设备。
Aug, 2019