.png){kind=icon}
返回
Parallel Multi-Scale Semantic-Depth Interactive Fusion Network for Depth Estimation
.png){kind=icon}
OA
AI
DOI：10.3390/jimaging11070218.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
无监督单目图像序列深度估计无需使用LiDAR等昂贵传感器即可提供深度信息，为自动驾驶提供了显著价值。尽管无监督算法能够减少对标注数据的依赖，但性能仍受场景遮挡、光照差异和稀疏纹理的影响。现有方法未考虑特征增强与交互融合。本文提出了一种新颖的并行多尺度语义-深度交互融合网络。首先，我们采用多阶段特征注意力网络进行特征提取，并引入并行语义-深度交互融合模块以优化边缘。此外，还采用基于语义边缘的度量损失以充分利用语义几何信息。我们在KITTI数据集上训练和评估了网络。实验结果表明，所提方法相较于其他现有方法取得了令人满意的效果。
Keyword:
self-supervised depth estimation
monocular image sequences
semantic-depth interaction
multi-scale feature fusion
autonomous driving
期刊
J
IF:
3.3
论文数:
1.1K
被引数:
4.4K
机构
.png){kind=icon}
