论文笔记_S2D.40_2017_CVPR_半监督深度学习的单目深度图预测

基本情况

• 题目：Semi-Supervised Deep Learning for Monocular Depth Map Prediction
• 出处：Kuznietsov, Y., Stuckler, J., & Leibe, B. (2017). Semi-supervised deep learning for monocular depth map prediction. In Proceedings of the IEEE conference on computer vision and pattern recognition (pp. 6647-6655).

摘要

有监督的深度学习经常受到缺乏足够训练数据的困扰。特别是在单目深度地图预测的背景下，在真实的动态室外环境中很难确定密集的地面真实深度图像。

• 例如，当使用激光雷达传感器时，噪声存在于距离测量中，传感器之间的校准不可能是完美的，测量值通常比相机图像要稀疏得多。

在本文中，我们提出了一种新的方法，

• 用半监督的方式学习从单目图像中深度预测。
• 虽然我们使用稀疏的ground-truth深度来进行监督学习，但我们也加强了我们的深度网络，使用直接图像对齐损失（a direct image alignment loss），在立体设置中生成与照片一致的稠密深度地图。

在实验中，我们证明了与先进的方法相比，从单一图像的深度地图预测性能优越。