摘要

从单目360图像中进行深度估计是一个新兴的研究问题，由于消费级360相机的普及以及其提供全方位环境感知能力，该问题日益受到关注。尽管360度成像技术标准正在迅速发展，本文提出一种模拟人类眼睛周边视觉与中央凹视觉机制的方法，以预测单目360图像的深度图。为此，我们设计了一种双分支神经网络，分别利用两种常见的投影方式：等距柱状投影（equirectangular）和立方体图投影（cubemap）。其中，等距柱状投影能够覆盖完整的视场，但引入了明显的几何畸变；而立方体图投影虽能有效避免畸变，却在立方体各面的边界处产生不连续性。为此，我们提出一种双投影融合机制，并引入可学习的掩码（learnable masks）以动态平衡两种投影所提取的特征图。此外，针对立方体图投影的边界不连续问题，我们进一步提出一种球面填充（spherical padding）策略，有效缓解了各面之间的边界断裂现象。我们在四个全景图像数据集上对所提方法进行了验证，实验结果表明，该方法在深度估计性能上优于现有的先进方法，展现出显著优势。