EC-Depth：在具有挑战性场景下探索自监督单目深度估计的一致性

本文提出了一种单目深度估计器SC-Depth，可以使用未标记的视频进行训练，并能在推理时实现尺度一致的预测。该方法包括几何一致性损失、自动定位移动对象的自我发现掩码等组件，通过详细的消融研究证明了每个组件的功效，并展示了在KITTI和NYUv2数据集中高质量的深度估计结果。此外，该方法可以轻松地集成到ORB-SLAM2系统中以实现更强大和准确的跟踪。提出的混合Pseudo-RGBD SLAM在KITTI中具有很强的性能，并且在没有额外训练的情况下很好地推广到KAIST数据集。最后，提供了几个演示以进行定性评估。