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,因此用来求深度。
vid2depth(2017,Mahjourian)
这篇文章的网络结构完全基于SfMLearner。
GeoNet(2018,Yin,商汤)
利用视频端到端地同时训练单目深度、光流、位姿估计网络。
DepthNet和ResFlowNet基于monoDepth,PoseNet来自Zhou。
Look Deeper into Depth: Monocular Depth Estimation with Semantic Booster and Attention-Driven Loss(2018,ECCV,Jiao,腾讯)
Towards Scene Understanding: Unsupervised Monocular Depth Estimation With Semantic-Aware Representation(2019,CVPR,无监督)
https://blog.csdn.net/qq_26697045/article/details/84796815
各种深度预测的网络
https://www.cnblogs.com/shepherd2015/p/10438564.html
下面的总结主要是我2019年初整理的文献
对于单目深度估计模型,目前主要分为基于回归/分类的监督模型ÿ