Unsupervised Learning of Depth and Ego-Motion from Video 开源代码SfMLearner 运行实录

最新推荐文章于 2024-08-21 09:52:58 发布
最新推荐文章于 2024-08-21 09:52:58 发布
阅读量2k 收藏 14
点赞数 3
分类专栏： 深度学习 slam
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/zxcqlf/article/details/88736889
版权

1、简介

文章：2017_CVPR_Unsupervised Learning of Depth and Ego-Motion from Video

代码下载：SfMLearner

2、代码运行记录

基本可以依据作者readme.md文件所述步骤执行；以下是本人在运行过程中遇到的一些问题；

系统配置：Python3+TensorFlow1.9.0+cuda 9.0

（1）demo 运行

1.1 demo下载

在/SfMLearner/models/目录下执行：

bash ./models/download_depth_model.sh
bash ./models/download_pose_model.sh

下载作者训练好的模型参数。如果采用终端bash下载失败，可点击文件，通过文件中的网址进行下载：

http://people.eecs.berkeley.edu/~tinghuiz/projects/SfMLearner/models/kitti_depth_model.tar

最低0.47元/天 解锁文章
鸡块米线LVC
关注
专栏目录
Unsupervised Learning of Depth and Ego-Motion from Video论文见解
qq_37748370的博客
02-12 801
Unsupervised Learning of Depth and Ego-Motion from Video 论文见解 摘要 这篇文章提出了一种学习框架：从视频序列中估计图片的深度和相机的Pose。用到的是端到端的学习方法。它是把视图合成作为监督信号的；所以是无监督的。用depth和pose来进行wrapping；然后再用真实的图片和wrapping出来的图片做Loss.以此来训练模型。 方法...
【SLAM系列】Unsupervised Learning of Depth and Ego-Motion from Video
weixin_43882112的博客
09-18 2435
文章目录1 概要2. Motivation3. 思想4. 算法5. 实验结果6. 总结与思考 1 概要 题目：Unsupervised Learning of Depth and Ego-Motion from Video 论文：https://people.eecs.berkeley.edu/~tinghuiz/projects/SfMLearner/cvpr17_sfm_final.pdf 代码： 2. Motivation 3. 思想 4. 算法 5. 实验结果 6. 总结与思考 参
论文笔记：Unsupervised Learning of Depth and Ego-Motion from Video
weixin_46776144的博客
03-07 3621
无监督学习的视频图像深度和运动估计 参考文章：https://blog.csdn.net/weixin_42113967/article/details/115732187 摘要：作者提出了一种无监督学习框架，提出了一个单目相机的序列图像进行深度估计与运动估计。使用端到端学习方法，将视图合成作为监督信号。方法使用单视图深度网络和多视图位姿网络，利用计算的深度和位姿，将附近的视图warp到目标，从而产生损失。 方法：depth network和posenetwork共同训练的架构模式e 核心： .
SfMLearner 开源项目教程
最新发布
gitblog_00951的博客
08-21 339
SfMLearner 开源项目教程 SfMLearnerAn unsupervised learning framework for depth and ego-motion estimation from monocular videos项目地址:https://gitcode.com/gh_mirrors/sf/SfMLearner 项目介绍 SfMLearner 是一个开源项目，由 Tin...
论文复现：Unsupervised Learning of Depth and Ego-Motion from Video（SfMLearner）
upup
06-27 1402
期末作业最后一天，实验总算有点进展，记录下配置过程 环境 项目地址：https://github.com/tinghuiz/SfMLearner GPU：GTX 950M 系统： Win 10 python：3.5 建议使用conda 创建虚拟环境 tensorflow-gpu：1.2.1 pip install tensorflow-gpu==1.2.1 -i https://mirrors.aliyun.com/pypi/simple/ 项目主页标的1.0，直接安装1.0会报错：ValueError:
Unsupervised Learning of Depth and Ego-Motion from Video
qq_45580233的博客
11-08 779
文章目录Unsupervised Learning of Depth and Ego-Motion from Video一、介绍二、相关工作从运动恢复结构（SFM）基于扭曲的视图合成从注册的2D视图学习单视图3D从视频中进行无监督/自监督学习三、方法3.1 用综合作监督3.2 可微分的基于图像的深度渲染3.3 建模模型限制3.4 克服梯度局部化3.5 网络架构单视图深度位姿可解释性掩模四、实验五、议论 Unsupervised Learning of Depth and Ego-Motion from Vi
【论文精读】SfMLearner——《Unsupervised Learning of Depth and Ego-Motion from Video》
weixin_53215555的博客
10-06 2980
SFMlearner
Unsupervised Learning of Depth and Ego-Motion from Monocular Video Using 3D Geometric Constraints
qq_42732957的博客
05-13 673
基于3d几何约束的无监督深度估计 文章发表在CVPR 2018 ，代码貌似未开源 摘要 此前的无监督的深度估计的方法大多是采用基于图像重建和基于梯度的损失，只考虑了局部像素点之间的关系，并未从整体上对深度进行约束。我们的主要贡献是明确考虑了场景的三维几何，提出一种三维几何约束，使得相邻帧之间估计出的点云和相机自运动保持一致。另外作者的方法也可以在自己用手机收集的数据集上进行训练。 Introduction 结构上都是类似的，包含一个单视图深度估计网络，和一个基于相邻图像对的相机位姿估计网络。 主要的贡献包括
论文笔记 Unsupervised Learning of Depth and Ego-Motion from Video
weixin_43886134的博客
06-04 474
2017 CVPR 概述 提出了一个从非结构化的视频序列中估计单目深度和相机运动的无监督的学习框架。方法建立在只有场景几何和相机姿势的中间预测与真实相对应时，几何视图合成系统才能始终表现良好，因此将整个视图合成pipeline定为CNN。用KITTI数据集训练，在Make3D数据集上评价泛化能力 假设： 1）场景是静止的没有移动的物体 2）目标视图和源视图之间没有遮挡物和去除遮挡物 3）表面是朗伯曲面，因此一致性误差有意义 系统优势： 1）单目深度的表现和使用真值姿势或深度进行训练的有监督方法相当 2）在
(2017)Unsupervised Learning of Depth and Ego-Motion from Video
weixin_43985824的博客
08-29 240
我们提出了一种，用于从中估计单目深度和摄像机运动。与最近的工作[10,14,16]一样，我们使用，将作为。与之前的工作相比，我们的方法是完全无监督的，只需要进行训练。我们的方法使用和，使用将上，从而。因此，网络在训练期间通过，但可以在测试时独立应用。对KITTI数据集的经验评估证明了我们的方法的有效性:1)，2)在可比较的输入设置下，姿态估计与已建立的SLAM系统相比表现良好。
SfMLearner论文笔记——Unsupervised Learning of Depth and Ego-Motion from Video
weixin_30535167的博客
05-30 882
1. Abstract 提出了一种无监督单目深度估计和相机运动估计的框架 利用视觉合成作为监督信息，使用端到端的方式学习 网络分为两部分（严格意义上是三个） 单目深度估计 多视图姿态估计 解释性网络（论文后面提到训练了第三个网络） 2. Introduction 计算机几何视觉难以重建真实的场景模型 由于非刚性、遮挡、纹理缺失等情况的存在 人类在很短的时刻可以推断自我运动以及三维...
SfmLearner
02-18
Pytorch版本的SfmLearne网络做depth estimation，属于无监督学习一类
Python-来自TinghuiZhouetal的Pytorch版SfmLearner
08-11
来自Tinghui Zhou et al.的Pytorch版SfmLearner
SfmLearner-Pytorch:周廷辉等人的SfmLearner的Pytorch版本
05-10
SfMLearner Pytorch版本 该代码库实现了本文描述的系统： 通过视频进行无监督的深度和自我运动学习 ，，， 在CVPR 2017（口头）中。 有关更多详细信息，请参见。 原作者：（ ）火炬实施：ClémentPinard（ ） 前言 该代码库是使用Pytorch 1.0.1，CUDA 10和Ubuntu 16.04开发和测试的。 原始代码是在tensorflow中开发的，您可以访问 先决条件 pip3 install -r requirements.txt 或手动安装以下软件包： pytorch >= 1.0.1 pebble matplotlib imageio scipy argparse tensorboardX blessings progressbar2 path.py 笔记 因为它使用最新的pytorch功能，所以它与pytorch的先前版本不兼容。
论文阅读笔记-Unsupervised Learning of Depth and Ego-Motion from Video
qq_45723357的博客
06-13 91
阅读笔记-Unsupervised Learning of Depth and Ego-Motion from Video
单目深度估计论文(6）— Unsupervised learning of depth and ego-motion from video (CVPR 2017)
smallEngineer的博客
05-02 736
利用视频进行无监督单目深度估计 [1] Zhou T, Brown M, Snavely N, et al. Unsupervised learning of depth and ego-motion from video[C]. Proceedings of the IEEE conference on computer vision and pattern recognition. 2017: 1851-1858.
论文笔记-深度估计(6)-Unsupervised Learning of Depth and Ego-Motion from Video
一只飞鱼的博客
01-03 9514
CVPR2017_Unsupervised Learning of Depth and Ego-Motion from Video 这是一篇从一段视频中恢复场景深度和相机pose的论文。 他可能是第一篇用深度学习的方法从一段视频中恢复camera的pose的方法，它用两个网络（严格意义上是3个网络，下文赘述）分别/独自无监督地估计单帧的深度，和视频序列中的camera的pose变化。最终得到的
论文笔记：Unsupervised Learning of Depth and Ego-Motion from Video（无监督深度预测系列4：PoseCNN方法）
upup
06-25 1745
一、基本信息 标题：Unsupervised Learning of Depth and Ego-Motion from Video 时间：2017 论文领域：深度预测、深度学习 引用格式：Zhou T, Brown M, Snavely N, et al. Unsupervised learning of depth and ego-motion from video[C]//Proceedings of the IEEE Conference on Computer Vision and Pattern
《Unsupervised Learning of Depth and Ego-Motion from Video》读书笔记
Jack_Kuo的博客
12-07 3581
原文：Unsupervised Learning of Depth and Ego-Motion from Video 实质：用单张图片推理场景结构：SfMLearner 相关作用： 针对端对端视觉里程计 ： 今年CVPR的 SfM-Learner。文章的核心思想是利用photometric consistency原理来估计每一帧的depth和pose。photometric cons
unsupervised learning of strctured representations via closed-loop
09-16
封闭回路的无监督学习结构化表示 封闭回路的无监督学习结构化表示是一种机器学习方法，旨在通过建立闭环反馈以自动地学习数据之间的结构化表示。在无监督学习中，我们通常没有标签的辅助信息，因此要求模型能够从...
评论 16
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