轻量级快速单目深度估计模型

已于 2022-03-07 12:41:26 修改
阅读量1.2k 收藏 10
点赞数
分类专栏： 笔记 文章标签： 深度学习 计算机视觉 人工智能
于 2022-03-05 20:08:29 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Gussss/article/details/123300144
版权
本文介绍了用于实时三维重建和位姿估计的轻量级深度学习模型——R-MSFM，它在仅使用一张输入图像的情况下能实现高精度的深度估计。该模型在ICCV 2021上发表，参数量仅为3.5M，但其性能达到了SOTA水平。
摘要由CSDN通过智能技术生成
_Gus_
关注
专栏目录
单目深度估计综述
WX_Chen的博客
09-13 1728
综述 monoDepth(2017,Godard) 受DispNet的启发(DispNet受FlowNet的启发。FlowNet参考了全卷积网络FCN，没有全连接层) 自此以后的深度估计大都基于DispNet。 SfMLearner(2017,Zhou) 使用的是DispNet网络架构，这是一个带跳跃连接(skip connections)和多尺度边(multi-scale side)预测的编码器-解码器网络，后来的深度估计工作基本都采用这样的结构。DispNet预测的是视差，而视差和深度互为倒数，因此
Lite-Mono：一种轻量级的CNN和Transformer架构，用于自监督单目深度估计
wangxinwei2000的博客
07-10 1968
这段文字介绍了一种无需真实数据（ground truth）进行训练的自监督单目深度估计方法，该方法近年来备受关注。重点在于设计轻量级但有效的模型，以便能够在边缘设备上部署。许多现有架构通过使用更重的骨干网络来提升性能，但代价是模型的体积增大。本文提出了一种名为Lite-Mono的混合架构，既轻量级又能实现与现有方法相当的效果。具体来说，本文研究了卷积神经网络（CNNs）和变换器（Transformers）的高效结合，提出了一个混合架构Lite-Mono。
TPAMI 2024 | 单目深度估计
小白学视觉
07-17 247
点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达题目：Monocular Depth Estimation: A Thorough Review单目深度估计：全面综述作者：Vasileios Arampatzakis; George Pavlidis; Nikolaos Mitianoudis; Nikos Papamarkos摘要在计算机视觉领域，对二维图像中深度的估计是一...
(2023 CVPR)Lite-Mono
weixin_43985824的博客
08-27 1669
lt之间的L1损失之和计算其中，α根据经验设为0.85[15]。此外，为了处理源图像中的。
CVPR 2023 | Lite-Mono: 全新轻量级自监督单目深度估计新SOTA！
CV_Autobot的博客
03-25 1722
作者|派派星 编辑| CVHub点击下方卡片，关注“自动驾驶之心”公众号ADAS巨卷干货，即可获取点击进入→自动驾驶之心【深度估计】技术交流群后台回复【深度估计综述】获取单目、双目深度估计等近5年内所有综述！Title: Lite-Mono: A Lightweight CNN and Transformer Architecture for Self-Supervised Monocul...
基于深度学习的单目深度估计综述
3D视觉工坊
10-03 3961
点击上方“3D视觉工坊”，选择“星标”干货第一时间送达文章：Monocular Depth Estimation Based On Deep Learning: An Overview作...
【论文解读】通过知识蒸馏促进轻量级深度估计
fengdu78的博客
06-07 705
摘要采用大型复杂的神经网络实现深度估计的高级性能。虽然性能仍在不断提高，但作者认为深度估计必须是准确和高效的。这是现实应用的初步要求。但是，快速深度估计会在模型容量和精度之间产生折衷，从而...
基于轻量级三维点融合的单目深度估计方法的研究及应用
12767基于轻量级三维点融合的单目深度估计Lam Huynh1Phong Nguyen1Jiri Matas2Esa Rahtu3Janne Heikkila¨11奥卢大学2布拉格捷克技术大学3坦佩雷大学摘要在本文中，我们建议通过添加3D点作为深度指导来增强单目深度...
单目图像深度估计综述
11-28
在需要对三维环境感知的领域中，如机器人避障、自动驾驶、增强现实等，二维的图像信息很难满足需求，深度估计技术可以很好的提供场景的深度信息。
基于深度学习的单目视觉深度估计研究综述.pdf
08-19
基于深度学习的单目视觉深度估计研究综述.pdf
DIP课程项目，基于深度学习的单目深度估计.zip
03-29
5. 实时性能优化：对于实际应用，模型需要在计算资源有限的设备上运行，因此可能需要对模型进行轻量化，如采用MobileNet或ShuffleNet等轻量级网络，或者使用知识蒸馏技术将大型模型的知识转移至小型模型。...
TPAMI 2024 | 单目深度估计：全面综述
最新发布
小白学视觉
07-24 988
在计算机视觉领域，对二维图像中深度的估计是一个具有挑战性的主题。这是一个长期被深入研究且定义不明确的问题，一直是密集研究的焦点。本文是对这一主题的深入回顾，呈现了两个方面：一方面考虑人类深度感知的机制，另一方面包括各种深度学习方法。这些方法以紧凑和结构化的方式呈现，概述了主题，并根据近十年的研究线索对方法进行了分类。尽管在这一主题上取得了显著进展，但似乎没有任何与人类深度感知及其潜在益处的联系。
单目深度估计 室内室外
jacke121的专栏
03-08 742
单目深度估计 室内室外 https://github.com/imransai/TWISE
机器学习笔记 - 基于Torch Hub的深度估计模型MiDaS
学以致用 知行合一
05-16 3487
图像的深度估计从 2D 图像本身预测对象的顺序（如果图像以 3D 格式扩展）。这无疑是一项艰巨的任务，因为获取专门用于该领域的注释数据和数据集本身就是一项艰巨的任务。深度估计的使用范围很广，最明显的是在自动驾驶汽车领域，其中估计汽车周围物体的距离有助于导航。 MiDaS ​​​​​​​是一种机器学习模型，可以根据任意输入图像估计深度。 下面是论文地址。 MiDaS 背后的研究人员以非常简单的方式解释了他们的动机。他们认为在处理包含现实生活问题时，在单个数据集上的训练模型不会很健壮......
单目深度估计方法综述
3D视觉工坊
11-30 1556
点击上方“3D视觉工坊”，选择“星标” 干货第一时间送达 一相关概念介绍 1. 深度估计 深度估计，就是获取图像中场景里的每个点到相机的距离信息，这种距离信息组成的图我们称之为深度图，英文叫Depth map。 2.视差 两张图像中相同物体的像素坐标不同，较近的物体的像素坐标差异较大，较远的物体的差异较小。同一个世界坐标系下的点在不同图像中的像素坐标差异，就是视差。不同图像之间的视差，可以换算出物体和拍摄点之间的距离，也就是深度。 二单目深度估计的研究现状 下图[1]展示...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值