
摘要
自监督单目深度估计方法不仅受到尺度模糊性的影响,还推断出随时间变化在尺度上不一致的深度图。虽然在训练过程中没有某种形式的真实值监督就无法消除尺度模糊性,但若能实现尺度一致的深度预测,则可以在推理阶段作为后处理步骤计算一次尺度,并在整个过程中使用。为此,引入了一组最小化姿态随时间变化不一致性的时序一致性损失函数。评估结果表明,引入这些约束不仅减少了深度的不一致性,还提高了深度和自我运动预测的基本性能。
代码仓库
zshn25/pc4consistentdepth
官方
pytorch
GitHub 中提及
基准测试
| 基准 | 方法 | 指标 |
|---|---|---|
| egocentric-pose-estimation-on-kitti-odometry | pc4consistentdepth | Absolute Trajectory Error [m]: 0.014 |
| monocular-depth-estimation-on-kitti-eigen-1 | pc4consistentdepth | absolute relative error: 0.113 |