1/1000 从单目视频中无监督学习深度和帧间运动中的光度误差深入分析

最新推荐文章于 2022-10-04 09:00:26 发布

偏执的眸

最新推荐文章于 2022-10-04 09:00:26 发布

阅读量276

点赞数

分类专栏： SLAM论文文章标签：自动驾驶深度学习神经网络

本文链接：https://blog.csdn.net/weixin_39332299/article/details/120797785

版权

该研究针对单目视频无监督学习深度和运动时，由遮挡和动态场景导致的光度误差问题进行深入分析。通过离群值掩蔽技术处理不可见或不稳定的像素，提高了对面来物体深度的准确性，减少了自动驾驶等应用中的风险。此外，提出加权多尺度方案减少预测深度图伪影，实验显示在Kitti数据集上达到最先进的性能。

摘要由CSDN通过智能技术生成

1/1000 从单目视频中无监督学习深度和帧间运动中的光度误差深入分析

标题: DiPE: Deeper into Photometric Errors for Unsupervised Learning of Depth and Ego-motion from Monocular Videos, Unsupervised Monocular Depth Perception: Focusing on Moving Objects
作者: Hualie Jiang, Laiyan Ding, Zhenglong Sun, and Rui Huang
机构: The Chinese University of Hong Kong, Shenzhen, Guangdong
来源: IROS2020, Sensor
视频: https://youtu.be/UH8f-WkxVmU
代码: https://github.com/HalleyJiang/DiPE

个人总结

文章主要对深度估计做了改进.主要是对场景中运动或者遮挡所造成的深度估计不准确做了改进.通过调整光度误差(photometric errors)能够解决上述问题.主要的改进是:通过统计的技术,可以掩盖光度误差图中不可见或者不稳定的像素,从而防止误导网络。对对面来的物体深度估计的更加准确。