May, 2024

DINO-SD 解决方案：2024 年 ICRA RoboDepth 挑战赛冠军

PDF
TL;DRDINO-SD 是一种新颖的周围环视深度估计模型，可以用于自动驾驶中的深度图获取，具有强鲁棒性，在 2024 年 ICRA RoboDepth 挑战赛的第四项赛道上取得了最佳表现。
surround-view depth estimationautonomous drivingout-of-distribution datadino-sdrobodepth challenge
发现论文，激发创造
  • RoboDepth 挑战：稳健深度估计方法和进展

    这篇论文总结了 RoboDepth 挑战中的获胜解决方案，重点关注鲁棒的自监督和全监督深度估计，涉及了深度估计、挑战赛、深度预测、超分辨率和降噪等方面的创新设计。

    Jul, 2023

  • SurroundDepth：用于自监督的多摄像机深度估计的环绕视图纠缠

    本文提出了一种名为 SurroundDepth 的新型深度估计方法，运用多摄像头技术以及跨视图变换器，实现了在自动驾驶中对深度地图的精准预测，且在多视角实现机体运动一致性，取得了 DDAD 和 nuScenes 两个数据集的最佳成绩。

    Apr, 2022

  • 手术 - DINO：内窥镜手术深度估计的基础模型适配器学习

    手术深度估计的成功适应需要考虑手术领域特定的知识，而非仅仅使用基础模型的预训练或简单微调。

    Jan, 2024

  • 基于场景理解的深度稳健单张图片深度估计神经网络

    本篇论文提出了一种适用于室内和室外场景的两阶段 SIDE 框架，能够执行盲 SIDE，并通过使用深度可分卷积设计了一个多任务编码 - 解码 SIDE 网络 DS-SIDENet 以提高准确性。实验证明，该框架对扫描网室内图像和 KITTI 室外图像均表现出色。

    Jun, 2019

  • RoboDepth：鲁棒的异常深度估计

    深度估计模型的鲁棒性测试套件 RoboDepth 提供了一个全面的测试框架来评估模型对不同场景和破坏因素的抵抗能力，并强调了当前主流深度估计模型在典型破坏情况下的脆弱性，为深度估计模型的设计提供了进一步的考虑因素。

    Oct, 2023

  • 移动设备上快速准确的单张图像深度估计，Mobile AI 2021 挑战赛报告

    本文介绍了 Mobile AI 挑战赛，通过提供包含 RGB 深度图像的大规模数据集，旨在开发基于端到端深度学习的高效的实时深度估计解决方案，可运行于移动设备上，并在 Raspberry Pi 4 上具有较快的运行速度和高精度度量。

    May, 2021

  • 全景室内密集深度估计

    本论文研究了 360 图像的深度估计问题，提出了使用重新渲染的 3D 在线数据集来解决缺乏高质量 360 数据集的挑战，并使用这个数据集实现了端对端的深度估计模型

    Jul, 2018

  • SweepNet: 宽基线全向深度估计

    本文提出了一种新颖的广基线全向立体算法，使用深度卷积神经网络从鱼眼图像计算密集深度估计，直接生成具有全 360 度覆盖的密集全向深度图，该算法的实验结果表明，在合成和实际数据集上，比传统的深度估计方法具有更高的准确性。

    Feb, 2019

  • SDNet: 基于语义引导的深度估计网络

    论文提出了一种同时预测深度估计和语义分割输出的 CNN 模型，通过对单目输入图像进行实验，我们证明了该模型对于场景理解和深度估计能力达到了最新的研究水平。

    Jul, 2019

  • 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