2020-07-03 CVPR2020 i3DV论文讨论(2) 笔记

目录

  • [1] Context Prior for Scene Segmentation
  • [2] Deep Stereo using Adaptive Thin Volume Representation with Uncertainty Awareness
  • [3] Bi3D: Stereo Depth Estimation via Binary Classification
  • [4] SDC-Depth: Semantic Divide-and-Conquer Network for Monocular Depth Estimation
  • [5] 3D Packing for Self-Supervised Monocular Depth Estimation

[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。

你可能感兴趣的:(论文分享)