基于语义辅助和深度时序一致性约束的自监督单目深度估计OA北大核心CSTPCD
Self-supervised Monocular Depth Estimation Based on Semantic Assistance and Depth Temporal Consistency Constraints
通过使用相邻帧之间的光度一致性损失代替深度标签作为网络训练的监督信号,基于图像序列训练的自监督单目深度估计方法近年来受到了广泛的关注.光度一致性约束遵循了静态世界假设,而单目图像序列中存在的运动目标违反该假设,进而影响自监督训练过程中相机位姿估计精度和光度损失函数的计算精度.通过检测并移除运动目标区域,可在得到与目标运动解耦的相机位姿的同时,消除运动目标区域对光度损失计算精度的影响.为此,本文提出了一种基于语义辅助和深度时序一致性约束的自监督单目…查看全部>>
Self-supervised monocular depth estimation methods trained on sequences of monocular images have received considerable attention in recent years by using the photometric consistency loss between adjacent frames instead of depth labels as the supervisory signal for network training.The photometric consistency constraint follows the static world assumption,but the moving objects in the monocular image sequence violate this assumption,which affects the camera p…查看全部>>
凌传武;陈华;徐大勇;张小刚
湖南大学 电气与信息工程学院,湖南 长沙 410082湖南大学 信息科学与工程学院,湖南 长沙 410082中国烟草总公司郑州烟草研究院,河南 郑州 450000湖南大学 电气与信息工程学院,湖南 长沙 410082
计算机与自动化
单目深度估计自监督学习运动目标时序一致性
monocular depth estimationself supervision learningmoving objecttemporal consistency
《湖南大学学报（自然科学版）》 2024 (8)
1-12,12
国家自然科学基金资助项目(62171184,62273139,62106072),National Natural Science Foundation of China(62171184,62273139,62106072)国家自然科学基金区域联合重点项目(U23A20385),Joint Funds of the National Natural Science Foundation of China(U23A20385)国防预研项目(JCY2021206B015),National Defense Pre-research Foundation(JCY2021206B015)
评论