MonoIndoor针对室内环境的自监督单目深度估计提出改进，通过深度分解模块和残差位姿估计模块，解决室内尺度变化和旋转问题。实验表明，这种方法能有效提高室内深度估计的准确性。
- paper:MonoIndoor: Towards Good Practice of Self-Supervised Monocular Depth Estimation for Indoor Environments (thecvf.com)
- 关键词：室内、尺度学习、位姿残差块、自监督学习。
- over view
Introduction
室内自监督深度估计任务的挑战性：
1、室内数据变化更剧烈，表现在旋转上。因为室外主要是平移运动，旋转较少。因此室内的深度估计在位姿网络估计上需要较高的精度。
2、室内的尺度是不确定的，从一个房间到客厅，最远距离和最近距离都在变化。一些基于室外数据集，如KITTI，根据先验，会把所有深度图的输出约束在一个合理的范围：0.1m-100m。这是因为室外尺度一般是固定的，最
最低0.47元/天 解锁文章
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
