单目深度估计论文(4）— Unsupervised monocular depth estimation with left-right consistency (CVPR 2017)

原创 已于 2022-05-02 22:21:02 修改 · 321 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#深度学习 #人工智能

于 2022-05-02 22:12:45 首次发布
本文介绍了Godard等人在2017年提出的无监督单目深度估计方法，通过左-right一致性检查来训练深度网络，无需任何监督数据，为深度学习在计算机视觉领域的应用提供了新的思路。

Monodepth 无监督深度估计
[1] Godard C, Mac Aodha O, Brostow G J. Unsupervised monocular depth estimation with left-right consistency[C]. Proceedings of the IEEE conference on computer vision and pattern recognition. 2017: 270-279.

深度估计论文梳理
excellent_sun的博客
12-04 449
深度估计最新文章梳理总结
深度估计算法原理与论文解读
qq_52053775的博客
01-23 3344
深度估计，即通过输入的彩色图像，获得每个像素点离相机距离的远近（热度图） ，热度图的深浅表示距离的远近。可以应用于AR、VR以及自动驾驶/辅助驾驶任务中，通常是作为上游任务，与通过传感器获得深度信息相比，这种方式能够大大节约成本。数据集：KITTI数据集。
【论文】单目深度估计：Unsupervised Monocular Depth Estimation with Left-Right Consistency
yuanCruise
06-01 4660
Unsupervised Monocular Depth Estimation with Left-Right Consistency 摘要 不像之前的有监督的方法一样，利用深度图作为标签（GT），本文的方法用容易得到的双目图来训练。利用epipolar geometry constraints。我们通过训练我们的网络来产生视差图像，使其具有图像重建的损失。结果表明，仅对图像重建进行求解就...
单目深度估计论文阅读—《Deep Learning-Based Monocular Depth Estimation Methods—A State-of-the-Art Review》
weixin_45643547的博客
05-27 2170
单目深度估计论文阅读—《Deep Learning-Based Monocular Depth Estimation Methods—A State-of-the-Art Review》作为一个深度学习单目深度估计方向的小白，这是阅读的第一篇关于这方面的文章，写个文章记录一下学习过程，文章是英文的，记录一下文章大致内容1.摘要2.概述单目深度估计2.1解决方法2.3深度估计的主要数据集3.深度学习与单目深度估计3.1有监督方法3.2无监督方法3.3半监督方法4.评估标准5.讨论5.1基于性能的比较分析5.2
单目深度估计论文(6）— Unsupervised learning of depth and ego-motion from video (CVPR 2017)
smallEngineer的博客
05-02 861
利用视频进行无监督单目深度估计 [1] Zhou T, Brown M, Snavely N, et al. Unsupervised learning of depth and ego-motion from video[C]. Proceedings of the IEEE conference on computer vision and pattern recognition. 2017: 1851-1858.
每天一篇论文 271/365 A Framework for Depth Estimation and Relative Localization of Ground Robots Using Com
流浪机器人的博客
11-27 426
A Framework for Depth Estimation and Relative Localization of Ground Robots Using Computer Vision 摘要 分散式结构中的三维深度估计和相对位姿估计问题是需要多个视觉控制机器人协调的任务中出现的一个具有挑战性的问题。深度估计问题旨在恢复环境的三维信息。相对定位问题包括估计两个机器人之间的相对姿态、感知彼此...
《Unsupervised Monocular Depth Estimation with Left-Right Consistency》
正在挣扎中的人
11-05 386
总结《Unsupervised Monocular Depth Estimation with Left-Right Consistency》
CVPR2017 Oral【论文笔记】Unsupervised Monocular Depth Estimation with Left-Right Consistency
weixin_42663567的博客
12-23 2041
1 Intro 基于学习的方法对深度估计有非常好的效果，然而现存的方法都是监督学习需要大量的训练数据，本文作者提出一种单视图的深度估计方法，且不需要ground truth depth data。 2 Method 建立一种training loss去check左右一致性，可以使训练在不需要ground truth的监督。 2.1 Depth Estimation as Image Reconst...
Unsupervised Monocular Depth Estimation with Left-Right Consistency-CVPR17学习笔记
计算机视觉学习爱好者
08-31 2482
0. 摘要 本文在现有方法的基础上进行了创新，在训练中用更容易获得的双目立体图像代替显式深度图的使用。利用极几何约束，用图像重建损失训练网络生成视差图像。只用图像重建损失得到的深度图质量差，作者一共利用了三个损失函数。 1. 介绍  我们的方法很快，在GPU上预测一张512×256图像的深度图只需要大约35ms的时间。 2. 相关工作 略 3. 方法 目前，为大量场景获取深度图的真值...
单目图像深度估计 - 无监督篇：Left-Right Consistency & Ego Motion
qunniem的博客
04-29 3760
单目图像深度估计 - 6. 无监督篇：Left-Right Consistency & Ego Motion 近几年有关单目图像深度识别的算法以CNN为主流，更细的说是以无监督的同时对深度、计算机角度、光流等同时计算的端到端深度网络为主流。 所谓无监督其实是指在训练过程中不需要输入真实的深度值，这样做有一个好处就是目前能够测量到深度信息的传感器还不够精确，因此由不够精确的label训练出的model得到的预测结果必然不会特别令人满意； 所谓同时计算呢，在我理解是指在训练过程中，用一个能够表征时间序列
[算法整理]可能是最全的无监督/自监督单目深度估计方法汇总 - Part2:双目图像篇
weixin_41625823的博客
06-21 5683
[算法整理] 可能是最全的自监督/无监督单目深度估计方法汇总 - Part1:双目图像篇
深度估计论文阅读_Multi-Scale Deep Network
July1998的博客
09-24 605
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档 深度估计论文阅读_Multi-Scale Deep Network前言一、创新点二、具体分析1.粗细结合的网络架构2.尺度不变误差三、编程 前言 本篇博客主要对Depth Map Prediction from a Single Image using a Multi-Scale Deep Network进行理解和复现。这篇文章发表于NIPS 2014，作者David Eigen。 一、创新点 将神经网络结构分为两个部分：预测全局特征
单目深度估计论文(1）— Depth Map Prediction from a Single Image using a Multi-Scale Deep Network (NIPS 2014)
smallEngineer的博客
05-02 590
第一篇利用CNN进行单目深度估计的论文(有监督) [1] Eigen D, Puhrsch C, Fergus R. Depth map prediction from a single image using a multi-scale deep network[J]. Advances in neural information processing systems, 2014, 27.
单目深度估计---Depth Anything论文详解
热门推荐
qq_44799766的博客
03-30 2万+
论文题目：Depth Anything: Unleashing the Power of Large-Scale—— 任何深度：释放大规模无标记数据的力量（注意论文名字，因为后续的很多工作都是在未标注数据上做的。作者认为Depth Anything是一种用于稳健单目深度估计的非常实用的解决方案。在不追求新颖的技术模块的情况下，作者目标建立一个简单而强大的基础模型（而且是Zero-shot）。为此，作者通过设计一个数据引擎来收集并自动标注大规模未标记数据（∼62M），从而扩大数据覆盖范围，来能够减少泛化误差。
解析单目深度估计经典论文Deeper Depth Prediction with Fully Convolutional Residual Networks
qq_17027283的博客
05-05 1576
单目深度估计的经典论文Deeper Depth Prediction with Fully Convolutional Residual Networks详解
基于单目视觉深度估计的论文研究
RuiWell的博客
10-08 1157
单目视觉 From Big to Small: Multi-Scale Local Planar Guidance for Monocular Depth Estimation 作者:Jin Han Lee, Myung-Kyu Han, Dong Wook Ko and Il Hong Suh 摘要: 由于无限多的三维场景可以投影到同一个二维场景，因此从单个图像估计精确的深度是一个具有挑战性的问题。然而，近年来基于深卷积神经网络的研究显示，在取得可信结果方面取得了很大进展。网络通常由两部分组成：用于密集特
论文阅读： 从大到小：单目深度估计的多尺度局部平面指导（2019）
shilling_bai的博客
06-15 830
From Big to Small: Multi-Scale Local Planar Guidance for Monocular Depth Estimation 开源：https://github.com/cogaplex-bts/bts
最新！！单目深度估计方向文献综述--Monocular Depth Estimation: A Thorough Review
最新发布
m0_58969377的博客
04-22 1万+
一个是考虑人类深度感知的机制，另一个是包括各种深度学习方法。这篇论文是关于单目深度估计（Monocular Depth Estimation）的全面综述，由Vasileios Arampatzakis等人撰写。单目深度估计是指从二维图像中恢复三维场景的深度信息，这是一个在计算机视觉领域具有挑战性的问题。尽管已经有许多研究，但这个问题仍然是一个研究热点，因为它涉及到人类深度感知机制的理解以及深度学习技术的应用。引言：介绍了深度估计的重要性和应用领域，如图像分割、自主导航、机器人手术辅助、人体姿态估计等。
2018 IROS【论文笔记】Towards real-time unsupervised monocular depth estimation on CPU
weixin_42663567的博客
12-30 1274
1 Intro 无监督学习下的深度估计越来越受到关注，但是许多网络层数很多结构也很复杂，需要强大计算能力GPU的模型无法实施在低计算能力的应用环境下。于是本文提出一种网络，可以在CPU上（甚至嵌入式系统）进行准确的深度估计。 2 PYD-NET ARCHITECTURE 与多数策略一样，将深度估计视为图像重建问题去解决。对每一对无标签的数据，左视图通过网络处理获得逆深度图（即视差图disparit...
unsupervised monocular depth estimation with left-right consistency
03-16
无监督单目深度估计是指使用只有单张图像而没有深度标签的情况下，通过深度估计模型来预测场景中每个像素的深度信息。左右一致性是指使用一对左右摄像机拍摄的图像，通过对左右图像的深度估计结果进行一致性检验来...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值