摘要

本文中，我们使用单一的基本架构解决了三个不同的计算机视觉任务：深度预测、表面法线估计和语义标注。我们采用了一种多尺度卷积网络，该网络仅通过微小的修改即可轻松适应每个任务，直接从输入图像回归到输出图。我们的方法通过一系列尺度逐步细化预测结果，无需任何超像素或低层次分割即可捕捉到许多图像细节。我们在所有三项任务的基准测试中均达到了最先进的性能。