cvpr 深度估计_2019CVPR 深度估计相关论文简述

2019CVPR用depth做关键字共索引出31篇文章，根据任务和方法分为7分部分。分别为多任务，更准确，深度补全，深度图辅助任务，新的数据集，知识蒸馏，其他。

1. 更准确

1. Neural RGB->D Sensing:

主张：深度估计不仅预测深度值，应该同时预测深度的分布并且随着时间的推移对分布做积分。

数学性质太强

2.Recurrent MVSNet：

多视角立体估计中，将最后的concat用RNN替代以减少参数。

想法很直接

3.Bilateral Cyclic Constraint and Adaptive Regularization

训练中，用模型的表现来驱动正则项的权值，而不是之前根据时间来调整权值。

双边循环一致性：把左右一致性进一步升级，左目视差转为右目视差后再转回左目。

提出了一个双分支decoder结构做refine。

cycle 大法好

4.Geometry-Aware Symmetric Domain Adaptation

在网络中加入了GAN，将真实图像转为为合成图像(去掉一些无关紧要的细节)。对合成图像和真实图像做深度预测后平均。

网络结构是对称的。

GAN可以这么用！！不如在分割和检测中用用。

5.CAM-Convs:

提出一个新的卷积层，考虑了相机内参。用于不同的相机配准下，模型中用于跳层。

模型输出了置信度。

很好奇，在不同的相机配准下预测深度图，深度图之间的差异会不会很小。从实验结果看&#x