基于图像边缘相似性的室内自监督单目深度估计OA
本文针对室内单目深度估计中因结构复杂、边缘重叠严重及旋转分量大导致的深度推理不准确问题,提出一种基于图像边缘相似性的自监督深度估计网络模型。1)引入图像边缘相似性损失函数,作为形状先验约束,缓解因遮挡和重叠引起的性能下降;2)设计自适应特征聚合模块,融合多尺度特征并保持上下文一致性,增强弱相关场景的语义关联;3)提出旋转量优化模块,通过加权融合不同路径的向量来细化位姿估计中的旋转分量,降低旋转误差。实验结果表明,该方法在NYU Depth V2与ScanNet数据集上的深度预测精度分别达到82.9%与78.0%,优于现有先进方法,能够恢复出细节丰富、边缘清晰平滑的深度图,有效提升了室内场景的深度估计效果。
寇旗旗;陈飞宇;张华强;程德强;韩成功
中国矿业大学计算机与科学技术学院,江苏徐州221116中国矿业大学信息与控制工程学院,江苏徐州221116中国矿业大学信息与控制工程学院,江苏徐州221116中国矿业大学信息与控制工程学院,江苏徐州221116中国矿业大学信息与控制工程学院,江苏徐州221116
信息技术与安全科学
自监督单目深度估计图像边缘相似性特征聚合位姿优化室内场景形状先验上下文一致性
《智能系统学报》 2026 (3)
P.713-726,14
中央高校基本科研业务费专项资金项目(2024ZDPYCH1001)国家自然科学基金项目(52204177,52304182)。
评论