ICCVSep, 2021
挖掘自监督单目深度估计的潜在能力
Excavating the Potential Capacity of Self-Supervised Monocular Depth Estimation
Rui Peng, Ronggang Wang, Yawen Lai, Luyang Tang, Yangang Cai
TL;DR该研究提出一种新的数据增强方法(data grafting)、探索性自蒸馏损失函数(exploratory self-distillation loss)、和全尺寸卷积神经网络,以提高自监督单目深度估计的表示能力和性能表现,实验结果表明该模型 EPCDepth 在更少的计算量下超越了之前的最新优秀模型。