Learning Depth from Monocular Videos using Direct Methods论文学习

论文链接：http://openaccess.thecvf.com/content_cvpr_2018/papers/Wang_Learning_Depth_From_CVPR_2018_paper.pdf
（代码已开源鸭）

摘要

使用非监督的策略从单张图片中学习深度图非常的具有吸引力，因为它可以利用大量且种类丰富的单目视屏数据库，无需ground truth 和双目数据。在之前的工作中，姿态和深度的神经网络共同输出减小photometric error。 根据直接视觉测距法(direct visual odometry, DVO)的发展， 作者认为深度预测神经网路(depth CNN predictor)可以无需姿态预测器(depth CNN predicotr) 进行训练。作者融合了可以求导的DVO策略，以及深度归一化的策略以提高单目视屏训练。

introduction

zhou的文章提出通过减小photometric consistency 训练分离的深度和姿态对预测神经网络。尽管获得了令人印象深刻的结果，但是效果与进行过矫正的双目照片对相比仍是差强人意。 这些经过矫正的双目方法[1][2]在只提供离散深度值标定的数据集上展现