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