摘要

单目深度估计对于场景理解及下游任务至关重要。本文聚焦于监督学习设置，即仅在训练阶段可获取真实深度标签。基于真实三维场景具有高度结构规律性的先验知识，我们提出一种方法，通过有选择地利用共面像素的信息来提升预测深度的准确性。具体而言，我们引入了一种分段平面性先验（piecewise planarity prior），该先验指出：对于任意像素，均存在一个“种子像素”（seed pixel），二者位于同一三维平面表面。受此先验启发，我们设计了一种双头网络结构：第一个分支输出像素级别的平面参数（平面系数），第二个分支则输出一个密集的偏移向量场，用于定位各像素对应的种子像素位置。随后，利用种子像素的平面参数来预测对应位置的深度值。最终的深度预测结果通过一个可学习的置信度权重，与第一分支的初始预测结果进行自适应融合，以补偿局部平面性假设可能存在的偏差。得益于所提出模块的可微性，整个网络可实现端到端训练，并能够学习生成具有清晰遮挡边界锐利边缘的规则化深度图。大量实验评估表明，本方法在监督单目深度估计任务上达到了新的最先进水平，在NYU Depth-v2数据集以及KITTI数据集的Garg划分上均显著超越了现有方法。所生成的深度图能够支持对输入场景进行合理可信的三维重建。代码已开源，地址为：https://github.com/SysCV/P3Depth