基于像素自适应特征融合的单目深度估计

摘要：

场景深度估计是场景理解的一项基本任务,其准确率反映了计算机对场景的理解程度.单目深度估计任务本身是一个不适定问题,因此在很大程度上依赖于场景的先验知识和其他辅助信息,语义信息能够有效地帮助深度估计更好地进行预测.针对单目深度估计任务的特有问题,提出了一种基于融合语义特征的深度神经网络模型,通过像素自适应卷积将目标图像的语义信息融合到深度网络,以提高深度估计的准确性.为了充分利用多尺度图像特征,引入DenseNet模型的基础模块,自适应融合各尺度的有效特征.在NYU-DepthV2室内场景数据集的实验结果显示,验证了模型和方法的有效性,提出的方法在定性和定量评价方面都取得了具有竞争力的结果.

关键词：深度估计、语义信息、像素自适应卷积、自适应特征融合

所属期刊栏目：50

分类号：TP391.41(计算技术、计算机技术)

在线出版日期：2022-08-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1263-1267