摘要

近年来，自监督单目深度估计领域取得了巨大进展。大多数方法在训练过程中假设可以获取立体数据，但通常未能充分利用这些数据，仅将其作为参考信号。我们提出了一种新颖的自监督方法，在训练阶段同时等量使用左图和右图，但在测试时仍能以单一输入图像进行单目深度估计。我们的孪生网络架构由两个对称网络组成，每个网络都能从单个图像中学习预测视差图。然而，在测试阶段，仅使用其中一个网络来推断深度。我们在标准的KITTI Eigen分割基准测试中展示了最先进的结果，并且在新的KITTI单视图基准测试中得分最高。为了证明我们的方法能够泛化到新数据集，我们还在未用于训练的Make3D基准测试上提供了实验结果。