May, 2023

门控立体：基于门控和宽基线主动立体线索的联合深度估计

PDF
TL;DR该研究提出了一种基于主动门控立体图像的高分辨率和长距离深度估计技术 - Gated Stereo，该技术利用主动和高动态范围的被动捕获，利用多视图线索以及来自主动门控的飞行时间强度线索。其中，该研究提出了一种通过单目和立体深度预测分支组合的深度估计方法，并且每个块都通过监督和门控自监督损失进行监督，并为汽车场景获取了一种长距离同步门控立体数据集。该方法的性能比最佳 RGB 立体方法提高了 50％以上的 MAE，并比现有的单目门控方法在距离 160 米内的距离范围内提供了 74％的 MAE。
gated stereodepth estimationactive gated stereo imagesmonocular and stereo depth predictionlong-range synchronized gated stereo dataset
发现论文，激发创造
  • 跨光谱 Gated-RGB 立体深度估计

    通过使用带有闸门的相机和高分辨率立体 HDR RCCB 相机，结合深度估计方法，实现了长距离高精度的深度估计。

    May, 2024

  • 用于半监督单目深度估计的 RGB-D 大型数据集

    使用基于学生 - 教师策略、数据集成和立体信心引导回归损失的方法，可以提高单目深度估计的精度，并用于高级视觉任务，如室外场景的驾驶情境等。

    Apr, 2019

  • 立体视觉在深度精确测量中的重要性：一种有效的半监督深度神经网络方法

    在自动驾驶车辆的背景下，本文重新审视视觉深度估计问题。我们提出了一种新颖的半监督学习方法来训练深度立体神经网络，并提出了一种包含机器学习的 argmax 层和定制运行时的体系结构，可在嵌入式 GPU 上运行一个较小版本的我们的 Stereo DNN。在 KITTI 2015 立体数据集上展示了有竞争力的结果。

    Mar, 2018

  • SDGE: 面向 360° 相机集合的立体引导深度估计

    360 度摄像机的深度估计中，使用 Stereo Guided Depth Estimation (SGDE) 方法，通过利用重叠区域的多视图立体结果来提高整个图像的深度估计，解决了传统多视图立体方法和单目方法的局限性。

    Feb, 2024

  • 基于门控图像的不确定深度估计和三维重建

    本文扩展了 Gated2Depth 框架，使用 aleatoric uncertainty 提供深度估计的信心度量，通过训练 LiDAR 深度填充算法生成的稠密深度图，进一步提高自驾汽车中采用 Gated imaging 技术生成的高保真密度深度图的性能。

    Mar, 2020

  • ActiveStereoNet: 面向主动立体视觉系统的端到端自监督学习

    本文介绍了 ActiveStereoNet，这是一种针对主动立体系统的深度学习解决方案，它是完全自监督的，使用新颖的重构损失函数，具有较强的噪声鲁棒性和纹理特征稳健性，能够处理遮挡等场景并取得了令人信服的结果。

    Jul, 2018

  • 置信度引导的立体三维物体检测与分割深度估计

    通过使用分离前景和背景像素的解码器来进行深度估计及通过深度估计网络的置信度估计充当三维物体探测器软注意力机制，我们提出了一种置信度引导的立体 3D 物体检测方法。该方法在 KITTI 基准上表现优于现有的立体 3D 检测器。

    Mar, 2020

  • 边缘感知一致性立体视频深度估计

    通过使用双目输入，引进左右一致性损失函数，并提出一种保存边缘特征的损失函数来改善测试时训练中的深度模糊问题，提出了一种稠密的双目视频深度估计方法，调研结果表明该模型精度可靠。

    May, 2023

  • 基于双目视觉的深度估计深度学习技术综述

    该研究综述了基于深度学习的立体视觉对图像深度估计的应用，总结了该领域的常见流程、优缺点并探讨了未来可能的方向。

    Jun, 2020

  • 引导式立体匹配

    本论文提出了一种新的导向立体匹配方法，利用来自外部源的少量稀疏但可靠的深度测量来提高现有深度学习模型在处理新环境时的准确性和鲁棒性，并证明此方法适用于传统的立体匹配算法，并且即使只输入少量稀疏数据，对现有模型的性能也有显著提升。

    May, 2019