获取完整原文和代码，公众号回复：10041037661
论文地址： http://arxiv.org/pdf/2105.11610v1.pdf
代码： 公众号回复：10041037661
来源： The University of Adelaide
论文名称：Unsupervised Scale-consistent Depth Learning from Video
原文作者：Jia-Wang Bian
内容提要
我们提出了一个单目深度估计器SCDepth，它只需要无标记的视频进行训练，并能在推断时进行尺度一致的预测。我们的贡献包括：(i)我们提出了几何一致性损失，这将惩罚相邻视图之间的预测深度不一致；(ii)我们提出了一个自我发现的掩码来自动定位那些在训练过程中违反静态场景假设并引起噪声信号的运动目标；(iii)我们通过详细的消融研究证明了每个成分的有效性，并在KITTI和NYUv2数据集中显示了高质量的深度估计结果。此外，由于具有尺度一致的预测能力，我们证明了我们的单目训练深度网络很容易集成到ORB-SLAM2系统中，以实现更鲁棒和准确的跟踪。本文提出的hybrid Pseudo-RGBD SLAM在KITTI中显示了令人信服的结果，并且不需要额外的训练就能很好地推广到KAIST数据集。最后，我们提供了几个定性评价的演示。
主要框架及实验结果
声明：文章来自于网络，仅用于学习分享，版权归原作者所有，侵权请加上文微信联系删除。
