Core Concepts
低テクスチャ領域での高精度な光流推定を実現し、それを深度推定の監督信号として活用することで、単眼深度推定の性能を向上させる。
Abstract
本論文は、自己教師型単眼深度推定のためのF2Depthフレームワークを提案している。
まず、光流推定ネットワークをファインチューニングし、低テクスチャ領域での光流推定精度を向上させる。具体的には、特徴量の大きい領域のみを用いたパッチベースの光度一致損失を導入する。
次に、ファインチューニングされた光流推定ネットワークから得られる光流と、深度推定ネットワークから得られる剛体流の一致を表す光流一致損失を設計する。さらに、同様の原理に基づいて、ファインチューニングされた特徴マップの合成損失も提案する。
実験結果では、NYU Depth V2データセットにおいて、提案手法が既存の自己教師型手法を上回る性能を示している。また、7-Scenesデータセットおよび自作のCampus Indoor データセットでの零ショット一般化実験でも良好な結果を得ている。これは、提案手法が低テクスチャ領域での深度推定に有効であることを示している。
Stats
低テクスチャ領域での高精度な光流推定を実現することで、深度推定の性能を向上できる。