基本信息
- 题目： Depth map prediction from a single image using a multi-scale deep network
- 作者： David Eigen, Christian Puhrsch, Rob Fergus
- Dept. of Computer Science, Courant Institute, New York University
- 出处： Eigen, D., Puhrsch, C., & Fergus, R. (2014). Depth map prediction from a single image using a multi-scale deep network. In Advances in neural information processing systems (pp. 2366-2374).
摘要
预测深度是理解场景的3D几何形状的重要组成部分。 虽然对于立体图像而言，本地对应关系足以进行估计，但是从单个图像中查找深度关系并不那么直接，需要集成来自各种线索的全局和本地信息。 此外，这项任务本质上是模棱两可的，总的不确定性很大。 在本文中，我们提出了一种通过使用两个深层网络堆栈来解决此任务的新方法：一种基于整个图像进行粗略的全局预测，另一种可以在局部细化此预测。 我们还应用尺度不变误差来帮助测量深度关系而不是尺度。 通过将原始数据集用作训练数据的主要来源，我们的方法在NYU Depth和KITTI上均达到了最新的结果，并且无需超像素化即可匹配详细的深度边界。
网络结构
效果