self-supervised monocular depth estimation | BriefGPT

关键词self-supervised monocular depth estimation

搜索结果 - 29

ECCV自我迭代特征聚合：用于自监督单目深度估计
提出 Self-Distilled Feature Aggregation (SDFA) 模块，用于同时聚合一对低尺度和高尺度特征并保持它们的上下文一致性，提出了基于 SDFA 的网络用于自监督单眼深度估计，并设计了自蒸馏训练策略，在 KI
PDF2 years ago
AAAI自监督单目深度估计泛化性的深入挖掘
本文研究使用自监督单目深度估计算法的主干网络（如 CNNs，Transformers 和 CNN-Transformer 混合模型）在广泛的公共数据集上的泛化性能，观察到 Transformers 具有很强的形状偏差，而 CNNs 则具有很
PDF2 years ago
自监督单目深度估计中的 Transformer 模型（不考虑相机内参）
研究在自动驾驶和高级驾驶辅助系统下，使用视觉转换器作为新的方法来进行单目深度估计，在 KITTI 深度预测基准上取得了与卷积神经网络相似的性能，同时具有更强的鲁棒性和可扩展性。
PDF2 years ago
将自监督单目深度引入无监督域自适应中进行语义分割
通过利用自监督单目深度估计技术提高无监督域自适应方法的语义分割性能并达到最先进的自动驾驶水平。
PDF3 years ago
借助自监督深度估计改进半监督和领域自适应语义分割
本文提出了一种半监督和领域自适应的语义分割框架，它利用自监督单目深度估计（SDE）来增强。该框架采用 SDE 作为辅助任务，通过选择最有用的样本、实现数据增强、转移 SDE 学习到的特征以及利用 Cross-Domain DepthMix
PDF3 years ago
ICCV自监督单目深度估计的细粒度语义感知表示增强
本文提出了在无监督单目深度估计中引入跨域语义信息以提高几何表示的新思路，包括度量学习方法和特征融合模块，并在 KITTI 数据集上全面评估，在弱质地区和物体边界的监督限制下，本文提出的方法优于现有技术。
PDF3 years ago
ICCV几何无监督域自适应语义分割
该论文提出了使用自监督单目深度估计作为代理任务来解决模拟数据和真实数据之间的差异，以提高半监督领域自适应的性能，结果表明这种方法在语义分割领域的无监督域自适应上具有较好的性能。
PDF3 years ago
CVPR利用自监督深度估计提高语义分割的三种方法
提出了一种半监督语义分割的框架，采用自监督单目深度估计和利用场景几何形状强数据扩增的方式，结合深度特征差异和难度级别，通过学生 - 教师框架选择最有用的样本进行语义分割的注释，实现了在 Cityscapes 数据集上半监督语义分割的最好结果
PDF4 years ago
ECCV自监督单目深度估计：通过语义引导解决动态物体问题
本文提出了一种自主引导的语义深度估计方法（SGDepth），通过交叉域训练避免移动车辆和行人等动态类别对象对深度标签的干扰，利用异构网络头进行语义分割和深度估计，采用语义遮罩机制预防动态物体的污染，并引入一种检测算法学习移动类别对象的深度。
PDF4 years ago