DevNet: Self-supervised Monocular Depth Learning via Density Volume Construction

DevNet: Self-supervised Monocular Depth Learning via Density Volume Construction[1]

Background

• 单目自监督深度估计依赖相邻帧2D像素光度关系
• 没有利用3D点状几何对应关系
• 不能有效地解决由于遮挡或照明不一致引起的光度翘曲的模糊性

Contributions

• 设计了一种新的自监督深度学习框架DevNet，它通过预测场景中采样点的遮挡概率密度来绘制深度图。
• 利用预测的密度体积提出了一种新的深度一致性损失，以确保相邻帧深度图之间的几何一致性，这可以进一步有助于性能的提高。
• 引入了一种遮挡正则化方法来检测和减少由相机运动和动态物体引起的光度模糊。

[1]Zhou K, Hong L, Chen C, et al. DevNet: Self-supervised Monocular Depth Learning via Density Volume Construction[C]//European Conference on Computer Vision. Springer, Cham, 2022: 125-142.