2020-07-03 CVPR2020 i3DV论文讨论（2） 笔记

[1] Context Prior for Scene Segmentation

• context聚合方法有两类：1.特征金字塔FCN，捕获同类信息，忽略了不同类信息。2.注意力机制，有选择地聚合信息，context信息混乱。
• 本文提出，金字塔池化模块。

[2] Deep Stereo using Adaptive Thin Volume Representation with Uncertainty Awareness

• 多目匹配，深度估计
• 解决的是memory的问题（爆显存啥的）
• 使用不确定估计，得到采样范围的大小。
• 分辨率低时，均匀采样，指导后续高分辨率的操作。

[3] Bi3D: Stereo Depth Estimation via Binary Classification

• 领域核心问题：运算效率、高分辨率显存爆炸
• 目前这个领域的精度很难提升
• 不确定的东西如何检测（无纹理、透明区域）

[4] SDC-Depth: Semantic Divide-and-Conquer Network for Monocular Depth Estimation

• 单目深度估计
• 本文提出一个新的深度估计网络，提出了Packing和Unpacking，解决了strding和pooling造成细节丢失的问题。
• 以前的方法没有“绝对尺度”，本文添加了Velocity弱监督。
• 本文还提出了一个新的自动驾驶数据集。

[5] 3D Packing for Self-Supervised Monocular Depth Estimation

• 单目深度估计
• 两步
• 对每个语义类别分别解码，实例分割->语义分割
• 为什么引入语义分割的信息？
• 使用更多的信息，但是也带来新的限制，其他model没用这些信息，无法证明本文方法的有效性。