论文题目: Monocular Depth Estimation: A Survey

论文摘要: 单目深度估计常被描述为一个不适定和固有的模糊问题。从二维图像中估计深度是场景重建、三维目标识别、分割和检测的关键步骤。该问题可以分为:给定单个RGB图像作为输入,预测每个像素的稠密深度图。由于大多数场景具有较大的纹理和结构变化、对象遮挡和丰富的几何细节,这一问题更加严重。所有这些因素都造成了准确估计深度的困难。在本文中,我们回顾了五篇试图用各种技术来解决深度估计问题的论文,这些技术包括有监督、弱监督和无监督学习技术。然后,我们比较这些文件,了解彼此之间的改进。最后,我们探讨可以帮助更好地解决这个问题的潜在改进。

成为VIP会员查看完整内容
67

相关内容

现实生活中常常会有这样的问题:缺乏足够的先验知识,因此难以人工标注类别或进行人工类别标注的成本太高。很自然地,我们希望计算机能代我们完成这些工作,或至少提供一些帮助。根据类别未知(没有被标记)的训练样本解决模式识别中的各种问题,称之为无监督学习
最新《自然场景中文本检测与识别》综述论文,26页pdf
专知会员服务
69+阅读 · 2020年6月10日
3D目标检测进展综述
专知会员服务
186+阅读 · 2020年4月24日
专知会员服务
84+阅读 · 2019年12月13日
【泡泡点云时空】基于分割方法的物体六维姿态估计
泡泡机器人SLAM
18+阅读 · 2019年9月15日
已删除
将门创投
4+阅读 · 2019年8月22日
【泡泡一分钟】在CPU上进行实时无监督单目深度估计
泡泡机器人SLAM
17+阅读 · 2019年5月10日
【泡泡图灵智库】用于单目深度估计的深度有序回归网络
Viewpoint Estimation-Insights & Model
Arxiv
3+阅读 · 2018年7月3日
Arxiv
4+阅读 · 2018年3月14日
VIP会员
微信扫码咨询专知VIP会员