接Monodepth2口臭学习记录1
3.1自监督训练
自监督深度估计将学习问题变成视觉合成问题,通过训练一个网络,从另一个图像的视角来预测目标图像。通过约束网络进行图像合成来作为中间变量,在我们的深度和视差情况中,我们可以从模型中提取出可解释的深度。这个问题确实有点毛病,应为每个像素的确切深度有超级大量的可能,这些像素可以准确的重建全新视图,在给定像个视角相对位姿的前提下。经典的双目和夺目立体方法一般通过促使深度图的光滑度来解决这个问题,并且通过计算图像一致性在patchs(?)当通过全局优化来解决每个像素的深度。【Multi-view stereo: A tutorial.】
于【12,15,76】相同,我们也把我们的问题公式化,表示为最小化图像光度的重投影误差在训练时。从每一个原图到目标图像的位姿转换,Tt-t',深度图Dt,我们预测稠密深度图最小化的图像重投影误差Lp,其中。
这里多了个图像重投影误差,需要主要重投影误差和重建误差的区别?
其中pe是图像光度重构误差,比如像素空间的L1距离,proj()是最为结果的2D坐标属于投射的深度Dt在图像 It‘种,然后<>是采样操作。简化符号,我们假设所有视角的内参K是相同的,(其实是不一样的,苟)。对这【21】我们使用双线性采样来采样源图像,使其局部可微&#x