論文收集方法
檢索了所有帶depth的標題的論文，爭取沒有遺漏的篩選深度估計相關論文
下面進行分類
單純有監督深度估計
- uncertainty aware cnns for depth completion: uncertainty from beginning to end
有監督深度補全，給出了不確定性度量 - generating and exploiting probabilistic monocular depth estimation
通用的有監督深度估計 - structure-guided ranking loss for single Image depth prediction
有監督深度估計，提出了更好的loss - online depth learning against forgetting in monocular videos
實時深度學習搞定深度估計
多任務有監督深度估計
- normal assisted stereo depth estimation
有監督學習，聯合估計法線和深度提升深度估計精度 - predicting sharp and accurate occlusion boundaries in monocular depth estimation using displacement fields
有監督單目深度估計，同時預測位移域和深度圖，使得邊緣更好看 - SDC-depth，semantic divide-and-conquer network for monocular depth estimation
深度語義聯合有監督估計 - D3VO deep depth pose and deep uncertainty for monocular visual odometry
聯合深度估計，位姿估計和不確定性估計的網絡 - towards better generalization joint depth pose learning without posenet
深度位姿聯合估計 - the edge of depth explicit constraints between segmentation and depth
深度語義聯合估計
自監督深度估計
- Bi3D Stereo Depth estimation via binary classifications
提出了Bi3D網絡，通過多個二元分類器，實現雙目輸入下的視差估計，達到實時，從粗到精任意精度的分類效果。屬於利用雙目的自監督深度估計方法 - 3d packing for self supervised monocular depth estimation
從視頻中的自監督深度恢復方案PackNet，預測深度，預測位姿，然後聯合監督。另外提出了一個室外RGBD數據集。 - self supervised monocular trained depth estimation using self attention and discrete disparity volume
自監督深度估計，利用自注意力機制，離散分類網絡視差圖估計估計深度，並且能夠產生不確定性 - on the uncertainty of self-supervised monocular depth estimation
自監督深度估計，同時估計不確定度 - novel view synthesis of dynamic scenes with globally coherent depths from a monocular camera
時序RGB序列的深度估計
比較特殊的深度估計
- focus on defocus: bridging the synthetic to real domain gap for depth estimation
有監督深度估計，在虛擬數據集上訓練，並利用額外的虛焦監督項來做真實的深度估計 - BiFuse monocular 360 depth estimation via Bi-projection fusion
對全景視頻做深度估計 - geometric structure based and Regularized depth estimation from 360° indoor imagery
全景圖像下的深度估計，利用網絡預測幾何結構，然後利用幾何結構進行深度估計，另外提出了一個全景圖像的仿真數據集 - domain decluttering : simplifying images to mitigate synthetic real domain shift and improve depth estimation
域遷移：將仿真數據集的深度估計結果遷移到真實深度估計場景 - accurate estimation of body height from a single depth image via a four-stage developing network
基於深度圖的精確人體高度測量 - depth sensing beyond lidar range
超長距離的深度估計 - 3D photography using context aware layered depth inpainting
使用RGBD圖像預測被遮擋區域的深度和紋理 - self supervised human depth estimation from monocular videos
自監督人體深度估計 - joint graph based depth refinement and normal estimation
深度調精 - channel attention based iterative residual learning for depth map super-resolution
DSR深度圖超分辨率恢復 - from depth what can you see? depth completion via auxiliary image reconstruction
稀疏深度稠密化，沒有RGB輸入，這裏利用稀疏深度猜一個灰度圖出來，然後做稀疏深度稠密化 - RoutedFusion：Learning real-time depth map fusion
利用深度學習做多個深度圖的融合 - cost volume pyramid based depth inference for multi view stereo
基於RGB的重建系統
3D目標檢測
- learning depth guided convolutions for monocular 3D object detection
提出了D4LCN網絡，用於解決基於RGB圖像的3D目標檢測，傳統方法是先估計深度，然後再利用深度圖做基於點雲的目標檢測。本文直接基於RGB和估計的深度圖隊RGB做3D目標檢測。 - handvoxnet: deep voxel based network for 3D hand shape and pose estimation from a single depth map
使用3D卷積對僅有深度圖輸入的手勢進行姿態識別 - IDA-3D instance depth aware 3D object detection from stereo vision for autonomous driving
利用雙目進行3D目標檢測 - A2dele: adaptive and attentive depth distiller for efficient RGBD salient Object Detection
利用知識蒸餾，進行基於RGBD的目標檢測 - 3DV：3D dynamic voxel for action Recognition in depth video
利用純深度視頻流進行動作識別
其他
- rethinking depthwise separable convolutions: how intra kernel correlations lead to improved mobileNets
CNN架構改進，提出了一個改進型的逐深度的分離卷積方案，在mobilenet上提升效果很好 - sideways depth-parallel training of video models
提出了一個針對視頻的深度學習網絡的並行訓練方法 - deep spatial gradient and temporal depth learning for face anti-spoofing
人臉識別反欺詐