面向规模感知的具有 Transformer 的全环绕单目深度
原文中文,约300字,阅读约需1分钟。发表于: 。通过自我监督方法同时从多个相机视角学习,全方位单目深度(FSM)方法能够更实用地预测相对尺度感知的深度,本论文致力于提高 FSM 方法对尺度感知的改进,从深度网络结构优化和训练流程优化两个方面进行改进,结果表明,所提出的 SA-FSM 方法在未经中位缩放的测试环境下较大地提高了尺度感知深度的预测准确性,并在 DDAD 基准测试中以超过 SurroundDepth 3.8%...
本论文提出了一种改进的全方位单目深度(FSM)方法,通过自我监督方法同时从多个相机视角学习,能够更实用地预测相对尺度感知的深度。所提出的SA-FSM方法在未经中位缩放的测试环境下显著提高了尺度感知深度的预测准确性,并在DDAD基准测试中超越其他最先进的FSM方法。