三维视觉论文阅读:DenseDepth2019单目深度估计
论文High Quality Monocular Depth Estimation via Transfer Learning摘要本篇文章是一篇比较经典用Encoder-Decoder结构的网络,取得的效果也时很不错的。网络结构DenseDepth的encoder是DenseNet-169,decoder的上采用也没有用什么花里胡哨的方法,直接双线性插值。损失函数个人认为,本篇文章的损失函数是非常
·
论文
High Quality Monocular Depth Estimation via Transfer Learning
摘要
本篇文章是一篇比较经典用Encoder-Decoder结构的网络,取得的效果也时很不错的。
网络结构
DenseDepth的encoder是DenseNet-169,decoder的上采用也没有用什么花里胡哨的方法,直接双线性插值。
损失函数
个人认为,本篇文章的损失函数是非常不错的。除常用的外,还添加了SSIM,直接让GT深度图和预测深度图相同(个人感觉这个受到了SfMLearner的影响);这种方法可以使得深度图更平滑,收敛也会更快。
L1损失,保证深度一致。
基于影像的深度平滑
深度图的SSIM
结果
这篇文章的结果,应该是截至2018年我看到最好的。并且本人测试了一下作者在github代码,发现确实okay。
魔乐社区(Modelers.cn) 是一个中立、公益的人工智能社区,提供人工智能工具、模型、数据的托管、展示与应用协同服务,为人工智能开发及爱好者搭建开放的学习交流平台。社区通过理事会方式运作,由全产业链共同建设、共同运营、共同享有,推动国产AI生态繁荣发展。
更多推荐



所有评论(0)