Plane2Depth:用于单目深度估计的分层自适应平面引导
原文中文,约300字,阅读约需1分钟。发表于: 。本研究解决了单目图像深度估计在低纹理区域表现不佳的问题。提出的Plane2Depth方法自适应地利用平面信息,通过构建分层框架和新的特征交互方法,显著提升深度预测精度。实验证明,该方法在NYU-Depth-v2数据集上的表现超越了现有最先进技术,并对未见场景具备良好的泛化能力。
MGDepth是一种用于准确估计动态物体和静态背景深度的深度网络,通过引入光流和粗略单目深度来处理动态内容的挑战,并利用静态参考帧构建新的运动引导成本体积。通过引入基于注意力的深度网络架构,提高了网络结构的准确性和鲁棒性。在KITTI-2015数据集上,MGDepth在自监督单目深度估计中的均方根误差上实现了约7%的显著降低。