以非局部的解碼器-擠壓-激勵網路及自適應深度列表達成
基於編碼器-解碼器的單鏡頭深度估計任務
摘要:
單鏡頭深度估計是計算機視覺中的一個重要議題。近年來，
基於卷積神經網路的編碼器-解碼器架構中展現了合理的結果。在一個強大的編碼器下，人們發現即使是簡
單的上採樣過程也能達到良好的準確度。然而，為了達到更高質量的深度估計，解碼器也是需要改進的地方
。即便現在很少有合理且確切有用的方法對上採樣過程做出貢獻。因此，我們提出了兩個新穎的單鏡頭深度
估計網路模組設計，兩個模組皆從全局的角度來改善上採樣過程。第一個為非局部解碼器-擠壓-激勵網路模組，
該模組用於解碼中間過程的數值校準。第二個為自適應深度列表，用於進行整體深度圖數值分布的調整。結合上
述提出的技術，我們的方法在NYU Depth V2深度資料集上進行了驗證，並在深度準確度上達到目前非常好的做法。
NYU Depth V2深度資料集樣本
架構設計:
我們提出的方法的概念圖如圖二所示，概念圖可以簡單理解為
我們所設計的模組共同去改善編碼器-解碼器的網路架構以達到更好的深度估計準確度。而我們提出的非局部的
解碼器-擠壓-激勵模組校準位於解碼器的下方，該模組於解碼過程中去校準不同解析度的特徵圖，以達到改善中
間過程的數值分布。而提出的第二個模組的自適應深度列表在模型的後端，該模組位於的輸出端來有效的調整輸
出數值的範圍。我們依靠上面兩個模組來有效的改善深度估計的準確度。
網路架構示意圖
Made
by 萬偉中