摘要

我们提出一种新颖的深度神经网络，用于从单张室内全景图像中估计深度图。该网络直接作用于等距投影（equirectangular projection）图像，充分利用了室内360°图像的特性。基于重力在人造室内场景设计与构建中起关键作用这一事实，我们提出一种紧凑的场景表示方法，将球面场景划分为垂直切片，并利用切片之间的长时序与短时序依赖关系，以恢复等距投影格式下的深度图。该设计使得即使在网络深度较大时，仍能有效保留提取特征中的高分辨率信息。实验结果表明，我们的方法在预测精度方面优于当前最先进的解决方案，尤其在真实世界数据上的表现更为突出。