TPAMI 2024| AGDF-Net: 学习具有自适应引导融合的领域泛化深度特征

题目：AGDF-Net: Learning Domain Generalizable Depth Features With Adaptive Guidance Fusion

AGDF-Net: 学习具有自适应引导融合的领域泛化深度特征

作者：Lina Liu； Xibin Song；Mengmeng Wang；Yuchao Dai；Yong Liu；Liangjun Zhang

---

摘要

跨领域泛化深度估计旨在使用在源域（即合成域）上训练的模型来估计目标域（即现实世界）的深度。以往的方法主要使用额外的现实世界域数据集来提取深度特定信息以进行跨领域泛化深度估计。不幸的是，由于存在较大的域间差距，难以获得足够的深度特定信息，并且难以去除干扰，从而限制了性能。为了缓解这些问题，我们提出了一种具有自适应引导融合的领域泛化特征提取网络（AGDF-Net），以在多尺度特征级别上充分获取深度估计所需的基本特征。具体来说，我们的AGDF-Net首先通过重建和对比损失将图像分离为初始深度和弱相关深度成分。随后，