跨形上下文深度网络

几何与语义上下文融合,对远距离样本施加更强约束,显著提升单目深度估计精度。

Wubin, Yan · Lijun, Dong · 马伟 · Qing, Mi · Zha, Hongbin

Knowledge-Based Systems 2023

技术优势

远距离估计更准

焦点序数损失增大远距离样本的权重,避免约束过松,从而提升远处深度预测的准确性。

双上下文融合

跨形上下文和物体区域上下文分别捕获全局几何结构和语义信息,增强了场景理解能力。

室内外通用

在NYU-Depth-V2、Cityscapes和KITTI三个数据集上均取得最优性能,验证了泛化能力。

应用场景