迈向单目深度估计的可解释性
原文中文，约300字，阅读约需1分钟。发表于：。基于深度学习的方法在二维图像深度估计方面取得了显著进展，本研究重点关注人类对深度的感知能力，并通过特定实验间接评估方法的可解释性，结果显示各种方法的平均准确率约为 77%，其中一些方法表现较好，间接揭示了它们对发现单眼深度线索如相对尺寸的潜力。
该文介绍了一种基于物理驱动的深度学习框架，用于单目深度估计。该框架通过假设3D场景由分段平面组成，提出了一种新的正常-距离头来推导每个位置的深度，并引入了额外的深度头来改善框架的鲁棒性。实验证明该方法在多个数据集上超过了现有的最先进竞争方法，并在KITTI深度预测在线基准测试中排名第一。
