Jun, 2019
生成并利用单目深度的概率估计
Generating and Exploiting Probabilistic Monocular Depth Estimates
Zhihao Xia, Patrick Sullivan, Ayan Chakrabarti
TL;DR该研究提出了一种通用的单目模型，可用于深度推理和完成等任务，无需针对每个应用重新训练。该模型在多个任务中均能产生高精度结果。
Abstract
Beyond depth estimation from a single image, the monocular cue is useful in a
broader range of depth inference applications and settings---such as when one
can leverage other available depth cues for improved accuracy
发现论文，激发创造
利用过完备局部网络的协调作用从一张图像中获取深度
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
从单张图像推断深度分布
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
单目深度估计中扩展基于扩散的图像生成器的重新利用
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
多样性很重要：充分利用深度线索实现可靠的单目三维物体检测
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
利用传统视觉里程计增强自监督单目深度估计
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