62 / 2022-09-29 21:59:15

面向单幅图像的高质量深度估计

单幅图像的深度估计是机器人导航、场景理解等领域中的一项关键任务，也是计算机视觉领域的一个复杂问题。近年来，随着深度学习的快速发展，利用神经网络对单幅图像进行高质量的深度估计已成为一个研究热点。然而，在许多研究中仍然存在一些深度估计错误，这主要是因为网络没有很好地处理图像的上下文信息。针对单幅图像深度估计不准确的问题，提出一种基于ViT的单幅图像深度估计方法。首先通过预训练的DenseNet对图像进行下采样，同时将特征编码成适用于ViT的特征序列；之后通过稠密连接的ViT处理全局上下文信息，并将特征序列重新组装成高维度特征图；然后通过RefineNet进行上采样，得到完整的深度图像；最后在NYU V2数据集上与最近的深度估计方法进行对比实验，并对网络结构进行消融实验，同时对平均相对误差、均方根误差等误差进行量化分析。结果表明，该方法面向单幅图像可以生成具有丰富细节的高质量深度图像。与传统的编码器解码器方法相比，所提方法的PSNR值平均提高了1.052，REL指标下降了7.7%~21.8%，RMS指标下降了5.6%~16.9%。