F^2Depth: 自监督室内单目深度估计基于光流一致性和特征图合成
提出了一种自监督室内单目深度估计框架 F^2Depth,利用自监督光流估计网络对深度学习进行监督,结合经过精调的光流估计网络产生的多尺度特征图进行特征图融合损失计算,实验结果表明该框架及其提出的损失函数具有较好的室内场景单目图像泛化能力。
本文介绍了IndoorDepth,一种用于室内深度自动估计的自我监督学习方法。该方法通过改进的光度损失函数和多阶段训练来解决低纹理区域和自身运动预测问题,实验证实了其在性能和泛化能力方面的优势。