论文:添加链接描述
摘要
在本文中,我们研究了从不受约束的单目夜间图像估计每个像素深度图的问题,这是一个艰巨的任务,目前尚未在文献中得到充分解决。当使用夜间图像进行测试时,最先进的白天深度估计方法由于他们之间的大范围便宜而导致惨败。用于训练这些网络的通常的光度损失可能无法用于夜间图像,这是因为缺少白天图像中通常存在的均匀照明,这使其难以解决。我们建议将其当做域自适应问题来解决。在该域中,使用白天图像训练的网络适用于夜间图像。具体而言,通过使用基于PatchGAN的对抗性判别学习方法,对编码器进行训练,使其能够从夜间图像生成与白天图像无法区分的特征。与直接调整深度预测的现有方法不同,我们建议调整从编码器网络获得的特征图,以便可以将预先训练的白天深度解码器直接用于根据这些调整后的特征预测深度。
网络结构
(a)图是普通的depth+pose的深度估计网络
(b)图中D是鉴别器,用白天的特征来鉴别夜晚的特征。
(c)图是将夜晚的Fn和白天的Gd相结合得到晚上的深度图