Real-Time Monocular Depth Estimation using Synthetic Data with Domain Adaptation via Image..论文阅读

最新推荐文章于 2024-04-22 18:58:35 发布
最新推荐文章于 2024-04-22 18:58:35 发布
阅读量793 收藏
点赞数
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/yueleileili/article/details/83063375
版权

论文链接：http://openaccess.thecvf.com/content_cvpr_2018/papers/Atapour-Abarghouei_Real-Time_Monocular_Depth_CVPR_2018_paper.pdf

Abstract

基于学习的方法预测单目的深度这些年逐渐的呈上升趋势。然而这些方法要么依赖于大量已标定的深度数据，或者预测disparity作为一个中间步骤会有模糊或者其他人为现象。 利用pixel-perfect的合成数据训练一个深度预测模型能够解决这些问题但是会引入domian bias的问题。这就是为什么不能将基于合成数据训的模型运用到实际情况。 随着图像风格迁移的发展以及它和领域适应(domain adaptation)间的联系，我们利用的风格迁移和对抗训练经过在大量生成数据上训练模型，之后从单张真实世界的彩色图片预测图片每个像素点的深度。

你蕾哥永远是你哥
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
CNN-SLAM_ Real-Time Dense Monocular SLAM With Learned Depth Prediction.pdf
04-28
一篇结合CNN与SLAM的论文，使用CNN替换了SLAM中的几个模块，所得数据比纯几何SLAM要好，值得一读，翻译我放在了我博客中，仅供参考。
Real-Time monocular depth estimation using synthetic data with domain adaptation via IST
xdlining的博客
03-02 444
4 Contributions: synthetic depth prediction - a directly supervised model using a light-weight architecture with skip connections that can predict depth based on high-quality synthetic depth training...
最新！！单目深度估计方向文献综述--Monocular Depth Estimation: A Thorough Review
最新发布
m0_58969377的博客
04-22 2596
一个是考虑人类深度感知的机制，另一个是包括各种深度学习方法。这篇论文是关于单目深度估计（Monocular Depth Estimation）的全面综述，由Vasileios Arampatzakis等人撰写。单目深度估计是指从二维图像中恢复三维场景的深度信息，这是一个在计算机视觉领域具有挑战性的问题。尽管已经有许多研究，但这个问题仍然是一个研究热点，因为它涉及到人类深度感知机制的理解以及深度学习技术的应用。引言：介绍了深度估计的重要性和应用领域，如图像分割、自主导航、机器人手术辅助、人体姿态估计等。
单目深度估计 | Real-Time Monocular Depth Estimation using Synthetic Data 学习笔记
xiao_lxl的专栏
05-06 4335
会议：CVPR 2018 标题：《Real-Time Monocular Depth Estimation using Synthetic Data with Domain Adaptation via Image Style Transfer》 论文链接： http://openaccess.thecvf.com/content_cvpr_2018/papers/Atapour-Abarghou...
论文笔记-Real-Time MDE using Synthetic Data with Domain Adaptation via Image Style Transfer
kingsleyluoxin的博客
08-06 245
论文信息 标题： Real-Time Monocular Depth Estimation using Synthetic Data with Domain Adaptation via Image Style Transfer 作者：Amir Atapour-Abarghouei (amir.atapour-abarghouei@durham.ac.uk), Toby P. Breckon (toby.breckon@durham.ac.uk) 机构：Durham University, UK ..
论文笔记- Geometry-Aware Symmetric Domain Adaptation for Monocular Depth Estimation
kingsleyluoxin的博客
07-30 684
论文信息 标题： Geometry-Aware Symmetric Domain Adaptation for Monocular Depth Estimation 作者：Shanshan Zhao (szha4333@uni.sydney.edu.au), Huan Fu (hufu6371@uni.sydney.edu.au), Mingming Gong (dacheng.tao@sydney.edu.au), Dacheng Tao (mig73@pitt.edu) 机构：悉尼大学，CMU ..
3D Packing for Self-Supervised Monocular Depth Estimation.pdf
10-19
CVPR论文
Monocular Real-time Hand Shape and Motion Capture using Multi-modal Data.pdf
03-02
Monocular Real-time Hand Shape and Motion Capture using Multi-modal Data 基于多模态数据的单目实时手形和运动捕捉 PDF版本论文
Self-supervised-Monocular-Trained-Depth-Estimation-using-Self-attention-and-Discrete-Disparity-Volum:CVPR 2020论文的复制品-使用自我注意和离散视差量的自我监督单眼训练深度估计
05-04
该项目是CVPR 2020论文的复制品 使用自我注意和离散视差量的自我监督单眼训练深度估计 阿德里安·约翰斯顿，古斯塔沃·卡内罗 它建议通过完全监督的方法来弥补性能差距，该方法仅使用单眼序列进行训练，并借助附加...
CNN-SLAM Real-time dense monocular SLAM with learned depth prediction
05-04
一篇slam相关论文，结合了深度学习。用CNN单帧预测深度，可以解决单目slam中尺度不确定性、纯旋转、低纹理区域等问题。
#论文学习#第二篇：CNN-SLAM: Real-time dense monocular SLAM with learned depth prediction
qq_34716695的博客
03-24 5188
CNN-SLAM: Real-time dense monocular SLAM with learned depth prediction CNN-SLAM：基于学习深度预测的实时稠密单目slam Abstract： 本文研究了如何利用深度神经网络预测对深度地图进行精确和稠密的单目重建。我们提出了一种方法，将cnn预测的稠密深度地图与直接单目SLAM获得的深度测量自然融合在一起。我们的融合方案在单眼SLAM方法容易失败的图像位置上具有深度预测的优势，例如沿着低纹理区域，反之亦然。我们证明了使用深度预
Synthetic to real adaptation with generative correlation alignment network
xdlining的博客
03-01 195
3 contributions: We propose a Deep Generative Correlation Alignment Network(DGCAN) to synthesize CAD objects contour from the CAD-synthetic domain with natural textures from the real image domain. ...
论文笔记-深度估计(1)Depth Map Prediction from a Single Image using a Multi-Scale Deep Network
一只飞鱼的博客
12-29 3439
Depth Map Prediction from a Single Image using a Multi-Scale Deep Network作者认为以前估计深度的方法大概是基于几何代数、优化求解的方法来获得空间信息，但对于单张图片，仅仅基于几何信息是无法判断它的真实尺度的，因为没有先验信息的话，它的尺度是无法进行估计的。单张图深度估计，以人为例，需要综合考虑线条角度，透视关系，物体大小，图像位
REAL-TIME MONOCULAR VISUAL SLAM BY COMBINING POINTS AND LINES
ABC1225741797的博客
09-12 213
REAL-TIME MONOCULAR VISUAL SLAM BY COMBINING POINTS AND LINESAbstractIntroductionSystem OverviewLine Feature in Visuak SLAMCombined Treatment of Points and LinesExperiment al ResultsConclusion Abstract 本文提出一种基于特征点和特征线的一种视觉里方法，提出了一种对特征点和线性特征信息进行并行处理的方式，线性特征
单目深度估计综述： Monocular Depth Estimation survey
qq_24884193的博客
05-02 4290
深度估计很重要，sfm和mvs都是建立在多个视图的特征匹配的基础上，预测出来的深度图还很他妈稀疏，说实话从单个图像推出深度就是不适定的扯淡问题。但是没办法，话是要用深度学习搞 啊，于是乎不同的网络结构，损失函数，训练策略都蹦出来了。 基于几何的方法： 说实话老方法还是靠谱的，基于几何方法用几何约束，从多张图片恢复出三维结构。 SFM是经典，它从几个2D图像恢复出3D结构，算出来位姿等一系列东西，确实经典无敌。 每张图片上的特征点不多，很少，但是根据这些稀疏 的特征点，利用双目几何推断出深度。 所以质量好坏
面向单目深度估计的基于几何的预训练方式 -- Geometric Pretraining for Monocular Depth Estimation
Levi_Ackerman__的博客
12-22 3361
一些前提知识 Monocular Depth Estimation：单目深度估计，从单张图片中去预测每个像素点具体的深度，相当于从二维图像推测出三维空间。 ImageNet-Pretraining：基于ImageNet的预训练模型，ImageNet是一个带有标签的大数据集，其中有1,000个类别的图像。CV界常在进行下游任务之前，一般会在ImageNet上进行预训练，以学习到图像的语义信息，便于迁移学习。 optical flow：光流，用于研究图像对齐的算法，分为稀疏光流（一般选角点）和稠密光流。
单目深度估计(Monocular Depth Estimation)之摄像机运动对深度估计的影响
weixin_30457465的博客
01-06 928
转载请说明出处： http://blog.csdn.net/zhubaohua_bupt/article/details/54093689 最近利用单目相机在做三维重建相关的工作，下面总结一下摄像机运动对单目深度估计的影响。 单目方法求取深度的一般流程是 1设定待求取区域 2根据帧间位姿和带有误差的深度计算像素在后来帧上的极线 3在极线上寻找匹配 4三角测量求出本次...
Monocular Depth Estimation UsingLaplacian Pyramid-Based Depth Residuals翻译
生活如此美好，致敬每一个热爱“热爱”的人！
05-30 3794
基于拉普拉斯金字塔深度残差的单目深度估计 Monocular Depth Estimation UsingLaplacian Pyramid-Based Depth Residuals英文注解： Semi-supervisedAnomalyDetectionusingAutoEncoders英文注解-其它文档类资源-CSDN下载 Monocular Depth Estimation UsingLaplacian Pyramid-Based Depth Residuals全文翻译PDF: Semi-s
digging into self-supervised monocular depth estimation
03-16
自监督单目深度估计是指使用单个相机来估计场景中物体的深度，而无需使用额外的深度传感器。这种方法通常使用神经网络来学习从图像中推断深度信息。常见的自监督学习方法包括利用图像中的视差信息或者使用时序图像...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值