Jun, 2024

WaterMono: 水底自助单目深度估计的教师引导异常遮蔽和增强提升

PDF
TL;DRWaterMono 是一个用于深度估计和图像增强的新型框架，针对水下场景中的挑战，通过采用教师引导的异常掩模、深度信息结合水下图像成像模型生成增强图像以及旋转蒸馏策略来提高模型的鲁棒性，从而有效地实现了深度估计和图像增强任务。
depth informationself-supervised methodsunderwater scenariosknowledge distillationwatermono
发现论文，激发创造
  • Atlantis: 实现稳定扩散的水下深度估计

    通过使用准确的陆地深度数据生成真实感的水下图像，我们提出了一种新的流程，实现了水下深度估计模型在未见水下图像上取得了相当大的定量和定性改进，并帮助了依赖于深度图的水下图像恢复技术。

    Dec, 2023

  • GasMono：室内场景中基于几何辅助的自监督单目深度估计

    通过多视图几何从单目序列中获取粗略相机姿态以解决室内场景中自监督单目深度估计的挑战，通过旋转和平移 / 缩放优化来改进姿态，通过全局推理的视觉变换器和迭代的自蒸馏机制软化低纹理效果，实验结果显示了框架中每个组件的有效性，并提供了室内自监督单目深度估计的新的技术水平以及出色的泛化能力。

    Sep, 2023

  • MonoDiffusion: 基于扩散模型的自监督单目深度估计

    通过将其作为迭代去噪过程进行建模，我们引入了一种新的自监督深度估计框架 MonoDiffusion，该模型通过伪真实扩散过程生成伪真实数据以辅助扩散，从而解决了缺乏真实深度数据的问题。通过应用蒸馏损失来指导去噪深度，并使用掩码视觉条件机制增强模型的去噪能力。在 KITTI 和 Make3D 数据集上进行的广泛实验证明了 MonoDiffusion 比现有的最先进竞争对手表现更好。

    Nov, 2023

  • MonoIndoor++: 自我监督单目深度估计在室内环境中的更好实践

    提出了一种基于 transformer 网络的深度分解模块、一个迭代的相机位置残差估计模块和一个直接进行坐标卷积编码的坐标引导策略，从而提高了自监督单目深度估计方法在室内环境中的性能。

    Jul, 2022

  • 基于反射镜面先验的水景自监督单目深度估计

    本文提出了一种基于自我监督的深度估计方法，通过利用水景中的镜面反射和几何约束，对单张图像进行深度估计。利用水分割网络将反射分离出来，然后通过自我监督框架从反射中预测目标的外观，以优化姿态和深度估计。此外，通过引入大规模虚拟场景数据集来减少真实数据集的标注工作，实验证明了该方法在水景深度估计中的可行性。

    Apr, 2024

  • 逆转循环：通过增强的单眼蒸馏实现自监督深度立体视觉

    本论文提出了一种新颖的自监督范式，通过单目完成网络提取单张图像线索和少量稀疏点用多个估计的共识机制来估计密集而准确的视差图，该方案在处理域偏移问题时具有显着的泛化能力。

    Aug, 2020

  • 夜间环境下的规范化：高效的自监督单目深度估计算法

    本文提出了一种新的单目深度估计框架，引入了基于先验的正则化来学习配准深度图像的分布知识以避免错误训练，并使用 Mapping-Consistent Image Enhancement module 来增强图像可视性和对比度，同时维持亮度一致性，最后使用基于统计的掩码策略调整纹理区域内删除像素数量的数量来解决在夜间场景下的问题，实验表明每个部分都是有效的，并取得了令人瞩目的成果和最新成果。

    Aug, 2021

  • 自我监督的单眼深度估计中迈向更好的数据利用

    通过使用数据增强技术和细节增强的 DepthNet，该文提出了一种自我监督单目深度估计方法，拓展了训练数据的利用，并在 KITTI、Make3D 和 NYUv2 数据集上实现了最先进的性能。

    Sep, 2023

  • 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

  • MonoIndoor: 针对室内环境进行自监督单目深度估计的最佳实践

    本研究聚焦于自监督单目深度估计在室内环境下的困难，通过引入深度分解模块和残差姿态估计模块分别解决深度网络和姿态网络中的问题，实现相对室外环境更好的表现。

    Jul, 2021