monocular depth prediction | BriefGPT

关键词monocular depth prediction

搜索结果 - 11

RadarCam-Depth: 雷达 - 相机融合用于学习度量尺度的深度估计
基于稀疏雷达点云和单视角图像的度量密集深度估计的新方法，使用雷达 — 相机框架对深度估计进行全局比例校准、稀疏雷达点与图像补丁的关联学习进行准密度尺度估计以及通过尺度映射学习对密集深度进行局部尺度细化，提高深度估计精度。在挑战性数据集 nu
PDF6 months ago
WildFusion：学习视角空间中的三维感知潜空扩散模型
基于视图空间和潜在扩散模型的 3D 感知图像合成方法，通过压缩潜在表示学习图像的 3D 结构，实现高质量的 3D-consistent 图像合成，无需多视角或 3D 几何的直接监督，不依赖于规范化的相机坐标。
PDF7 months ago
ECCV无监督多帧单目深度的物体运动和遮挡分离
这篇论文提出了一种自动学习的多帧单目深度预测方法 DynamicDepth，通过自补丁一致性学习方案训练一个新的框架，其中进行了动态物体运动分离来解决匹配问题，并设计了新型的遮挡感知代价卷积和复投影代价来减轻物体运动对遮挡的影响，实验证明该
PDF2 years ago
从二维到三维：重新思考单眼深度预测的基准测试
本研究提出了适合评估单目深度预测方法三维几何质量的一组度量标准和室内基准测试 RIO-D3D，并展示了其对于评估三维场景完整性的紧密关联任务的帮助。
PDF2 years ago
ICCV基于 Transformer 的注意力网络用于连续像素智能预测
本文提出的 TransDepth 是一种结合了卷积神经网络和 Transformers 的像素预测模型，使用基于门的注意力机制避免了网络对局部细节的损失，并在三个具有挑战性的数据集上取得了最先进的性能。
PDF3 years ago
ICCV虚拟正常：强制几何约束以获得精确稳健的深度预测
研究表明，设计一种损失函数，以强制执行由重构的三维空间中随机抽样的三个点确定的虚拟法线方向的简单几何约束，可以显著提高单目深度估计的准确性和鲁棒性，并提出了一种利用虚拟法线学习鲁棒的仿射不变深度的方法。
PDF3 years ago
从事件中学习单目浓密深度
本文介绍了事件相机及其与传统图像传感器的区别，讨论了基于学习的方法如何应用于事件数据，提出了使用循环架构来预测单眼深度的新方法，并在 CARLA 模拟器数据集上进行了预训练并在 MVSEC 上进行了测试，结果表明平均深度误差减小了 50%。
PDF4 years ago
用于单目深度预测的有针对性对抗扰动
本文研究对单眼深度预测任务的对抗扰动效应，发现小的，难以察觉的添加扰动不仅可以全局缩放预测的距离，而且可以改变预测以匹配不同的目标场景，并展示了在给定语义或实例信息时，扰动可以欺骗网络改变场景的特定类别或实例的深度，以及演示了当前单眼深度预
PDF4 years ago
强制执行虚拟法线的几何约束以进行深度预测
本研究提出了一种基于高阶 3D 几何约束的深度预测模型，通过在重建的 3D 空间中随机采样三个点确定虚拟法向方向并设计相应的损失函数，能够显著提高深度预测的准确性，从而实现直接从深度图中恢复场景的 3D 结构（如点云和表面法向），进而消除了
PDF5 years ago
无监督单目深度预测的双向循环约束和自适应正则化
使用几何方法和立体图像训练卷积神经网络可以在单张图片中预测场景深度，性能优于最先进的无监督单目深度预测方法，并适用于不同数据集。
PDF5 years ago
地理监督的视觉深度预测
利用来自惯性测量的全局方向和对场景内对象形状的偏差，来指导视觉三维重建，通过将得出的先验应用于单张图片深度预测的实验，发现某些类别的物体表面法向量可能趋向于与重力对齐或者垂直于重力，添加此先验在基准方法的基础上可以获得超过现有技术的改进，这
PDF6 years ago