Struct2Depth学习记录

Struct2Depth：Depth Prediction Without the Sensors:Levearging Structure for Unsupervised learning from Monocular Videos

摘要：领域还是单目深度估计，无监督，同时估计深度和ego-motion。

1.在学习过程中引入几何结构，对场景和运动物体建模。相机自我运动和物体运动从单目视频中学习。

2.引入一种在线细化方法，使得动态学习，跨领域使用

监督学习的场景深度需要深度传感器，可能并不可靠，因为他们引入自己的噪声。一些无监督深度估计方法提出来，证明无监督预测方法可能比传感器监督的方法更准确，主要是因为传感器读数问题，比如传感值丢失或噪声。

这项研究：建模运动物体的3D运动，自我运动，在线优化适应新环境。

使用有原则的处理运动物体方法和新引入的物体大小约束，我们是第一个有效地从高度动态的场景中学习的放啊。

我们的方法引入结构在学习过程中通过表现物体再3D和建模运动作为SE3transforms。当然，这些操作都是完全可微的。

Previous Work：

主要问题处在high dynamic scenes，as they can not explain object motion。因此出现了一些光流方法，

Main Method

1：model dynamic scenes by