目錄
- [1] Context Prior for Scene Segmentation
- [2] Deep Stereo using Adaptive Thin Volume Representation with Uncertainty Awareness
- [3] Bi3D: Stereo Depth Estimation via Binary Classification
- [4] SDC-Depth: Semantic Divide-and-Conquer Network for Monocular Depth Estimation
- [5] 3D Packing for Self-Supervised Monocular Depth Estimation
[1] Context Prior for Scene Segmentation
- context聚合方法有兩類:1.特徵金字塔FCN,捕獲同類信息,忽略了不同類信息。2.注意力機制,有選擇地聚合信息,context信息混亂。
- 本文提出,金字塔池化模塊。
[2] Deep Stereo using Adaptive Thin Volume Representation with Uncertainty Awareness
- 多目匹配,深度估計
- 解決的是memory的問題(爆顯存啥的)
- 使用不確定估計,得到採樣範圍的大小。
- 分辨率低時,均勻採樣,指導後續高分辨率的操作。
[3] Bi3D: Stereo Depth Estimation via Binary Classification
- 領域核心問題:運算效率、高分辨率顯存爆炸
- 目前這個領域的精度很難提升
- 不確定的東西如何檢測(無紋理、透明區域)
[4] SDC-Depth: Semantic Divide-and-Conquer Network for Monocular Depth Estimation
- 單目深度估計
- 本文提出一個新的深度估計網絡,提出了Packing和Unpacking,解決了strding和pooling造成細節丟失的問題。
- 以前的方法沒有“絕對尺度”,本文添加了Velocity弱監督。
- 本文還提出了一個新的自動駕駛數據集。
[5] 3D Packing for Self-Supervised Monocular Depth Estimation
- 單目深度估計
- 兩步
- 對每個語義類別分別解碼,實例分割->語義分割
- 爲什麼引入語義分割的信息?
- 使用更多的信息,但是也帶來新的限制,其他model沒用這些信息,無法證明本文方法的有效性。