self-supervised monocular depth estimation | BriefGPT

关键词self-supervised monocular depth estimation

搜索结果 - 29

基于混合 Transformer 的自监督单目深度估计的多先验表示学习
通过利用多个先验知识来增强表示能力，我们提出了一种新颖的自监督单目深度估计模型，以综合提高深度估计的准确性和可靠性。
PDF21 days ago
MonoPCC：内窥镜图像单目深度估计的光度不变循环约束
MonoPCC 通过将光度约束重新塑造成循环形式，根本性地解决了光度约束不可靠的亮度不一致问题，通过构建一个包含两个相反的前向后向变形路径的闭环，使得目标图像最终接收到从自身循环变形的图像，从而使约束对亮度变化具有不变性。此外，MonoPC
PDF2 months ago
SPIdepth: 自监督单目深度估计的加强姿势信息
自监督单眼深度估计 (SPIdepth) 是一种在自动驾驶和机器人领域应用广泛的方法，通过加强姿势网络提升深度估计的能力，在捕捉细粒度场景结构方面取得了显著进展，通过在 KITTI 和 Cityscapes 等基准数据集上的实验证明了该方法
PDF3 months ago
自适应离散视差体用于自监督单目深度估计
自监督的单目深度估计任务中，离散视差预测已被证明比常规连续方法获得更高质量深度图。然而，当前的离散化策略通常以手工制定且刚性的方式将场景的深度范围划分为箱子，限制了模型的性能。本文提出了一种可学习模块，自适应离散视差体积（ADDV），能够动
PDF3 months ago
F^2Depth: 自监督室内单目深度估计基于光流一致性和特征图合成
提出了一种自监督室内单目深度估计框架 F^2Depth，利用自监督光流估计网络对深度学习进行监督，结合经过精调的光流估计网络产生的多尺度特征图进行特征图融合损失计算，实验结果表明该框架及其提出的损失函数具有较好的室内场景单目图像泛化能力。
PDF3 months ago
MGDepth：动态场景自监督单目深度的运动引导成本体积
本文提出了 MGDepth（一种基于运动引导成本体积的深度网络），以实现动态物体和静态背景的精确深度估计，并保持计算效率。通过引入光流和粗略单目深度来处理动态内容带来的挑战，在合作目标帧的基础上构建静态参考帧以创建新的运动引导成本体积。此外
PDF6 months ago
AAAIPPEA-Depth: 面向自监督单目深度估计的渐进式参数高效调整
自监督单目深度估计在自动驾驶和机器人领域具有重要意义。本文提出了一种渐进参数高效适应的方法，通过转移预训练的图像模型来实现自监督深度估计，解决了动态场景中的性能优化挑战，并通过在 KITTI、CityScapes 和 DDAD 数据集上进行
PDF6 months ago
自地面到物体：基于粗到细的自监督方法用于动态物体的单目深度估计与接触先验
基于粗到细的训练策略，通过引入接触地面先验的监督和规范化损失，以及利用代价卷积的加权因子，在自主单目深度估计中提高对移动物体的准确性和性能。
PDF7 months ago
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
PDF8 months ago
MonoProb: 解释性的无监督单目深度估计与不确定性
自我监督单目深度估计方法是用于自主车辆环境分析等关键应用的方法。该论文提出了 MonoProb，这是一种新的无监督单目深度估计方法，返回一个可解释的不确定性，该不确定性反映了网络在深度预测中的期望误差。通过引入一种新的自训练损失，可提高深度
PDF8 months ago
EC-Depth：在具有挑战性场景下探索自监督单目深度估计的一致性
EC-Depth 是一种新颖的自监督两阶段训练框架，通过提出的扰动不变深度一致性约束模块和基于一致性的伪标签选择模块，实现了标准和具有挑战性场景下精确一致的深度预测，超过了 KITTI、KITTI-C 和 DrivingStereo 基准，
PDF9 months ago
ICCVGasMono：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
PDF9 months ago
深度邻居层聚合轻量级自监督单目深度估计
我们提出了一种全卷积深度估计网络，利用上下文特征融合，采用高分辨率和低分辨率特征来保留小目标和高速移动物体的信息，进一步在解码器阶段采用基于卷积的轻量级通道注意力来优化深度估计结果，降低参数数量同时保持准确性。
PDF10 months ago
SQLdepth: 通用的自监督细粒度单目深度估计
自监督单目深度估计方法 SQLdepth 可以有效地从运动中学习细粒度场景结构，通过自查询层 (SQL) 构建自成本体积来推断深度。实验证明，SQLdepth 方法在自动驾驶等领域达到了卓越的性能，并具有更低的训练复杂度和更好的泛化能力。
PDF10 months ago
AltNeRF：通过交替优化深度和姿态学习鲁棒的神经辐射场
AltNeRF 是一个新颖的框架，利用自监督单目深度估计（SMDE）从单目视频中创建具有弹性的 Neural Radiance Fields（NeRF）表示，无需依赖已知的相机姿态，通过交替算法将 NeRF 的输出与 SMDE 融合，生成逼
PDF10 months ago
DS-Depth: 动态和静态深度估计通过融合代价体积
我们提出了一种新颖的自监督单眼深度估计方法，使用动态成本体积来处理静态环境中的移动物体，通过静态和动态成本体积互补来改善深度图的准确性，并采用金字塔蒸馏损失和自适应光度误差损失来提高精度。实验证明，我们的模型在自监督单眼深度估计方面优于先前
PDFa year ago
鲁棒自监督外在自校准
自动驾驶车辆和机器人需要在各种不同的场景中高效而安全地完成任务。本研究介绍了一种基于自我监督单目深度和自我运动学习原理的外参标定新方法，其利用单目深度估计器和姿态估计器结合速度监督对外参进行估计，并联合学习附加在移动车辆上的一组重叠相机的外
PDFa year ago
CVPROCTraN: 在非结构化交通场景中的 3D 占用率卷积 Transformer 网络
使用 OCTraN，一种基于转换器架构和迭代注意力机制的方法，将 2D 图像特征转换成 3D 空间占用特征，并且利用卷积和转置卷积高效地处理空间信息，从而解决了自主导航中视觉感知和深度估计的问题。
PDFa year ago
ICCV放松休闲：通过观看 SlowTV 学习重建世界
自我监督单目深度估计（SS-MDE）具有可扩展到大量数据的潜力。我们通过从 YouTube 中策划的 SlowTV 数据集提供了更多的数据，培养了一个能够实现对室内 / 室外数据集的零 - shot 泛化的 SS-MDE 模型，这一结果超越
PDFa year ago
FusionDepth: 用代价体积补充自监督单目深度估计
本篇论文提出了一个基于多帧深度估计的框架，使用连续的多帧约束不断优化单目深度估计，利用贝叶斯融合层进行多帧深度估计的迭代，同时不需要深度监督训练。实验结果表明，该方法在 KITTI 基准测试中，相较于单个帧或多个帧的无监督方法，取得了更好的
PDFa year ago