摘要

在计算机视觉的诸多应用中，感知三维信息具有至关重要的意义。近年来，单目深度估计技术取得了显著进展，表明仅通过训练深度神经网络来预测逆深度（inverse depth）和相机位姿，即可从单个摄像头输入中获取三维信息，而无需依赖真实标注数据。然而，现有大多数方法在训练过程中仍需显式输入相机参数，导致无法使用真实场景（wild）中的图像序列进行训练。尽管已有部分方法尝试同时预测相机内参，但其性能仍不及将相机参数作为输入的最新方法。本文提出一种新方法，仅通过单目图像序列即可隐式估计针孔相机内参，同时联合估计深度与位姿。此外，通过引入高效的亚像素卷积（sub-pixel convolutions），我们实现了高保真度的深度估计。为进一步提升实际应用潜力，我们在框架中嵌入了像素级不确定性估计机制。最终实验表明，该方法可在不依赖相机内参先验知识的前提下，实现精确的深度预测，并在KITTI基准测试中超越现有最先进方法的性能。