一个简单的单眼深度估计网络,以平衡复杂性和准确性
Xuanxuan Liu1, Shuai Tang2, Mengdie Feng1
1Shenzhen Institute for Advanced Study, University of Electronic Science and Technology of China, 518000, Guangdong, Shenzhen, China.
Scientific reports
|April 14, 2025
概括
这项研究介绍了SimMDE,这是一种单眼深度估计的新型模型. 它通过将深度估计视为有稀疏注意力机制的顺序回归来实现高精度和计算效率.
科学领域:
- 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 单眼深度估计对于视觉任务至关重要,但往往需要高计算成本.
- 现有的方法在实际应用中难以平衡准确性和效率.
研究的目的:
- 开发一个计算效率高,准确的单眼深度估计模型.
- 为了解决性能和资源消耗之间的权衡,深度预测.
主要方法:
- 提出SimMDE,一种新型模型,将单眼深度估计视为顺序回归.
- 使用可变形交叉注意力功能融合 (DCF) 解码器,注意力稀少,以减少变压器的复杂性.
- 引入本地多维卷积注意力 (LMC) 和波形注意力变压器 (WAT) 模块,以增强特征提取和像素级分类.
主要成果:
- 在NYU和KITTI基准数据集上,SimMDE实现了非常高的准确性.
- 该模型显示绝对相对误差 (AbsRel) 的显著改善为11.7% (NYU) 和10.3% (KITTI).
- SimMDE 以较少的参数和高的计算效率实现了这些结果.
结论:
- SimMDE为准确和高效的单眼深度估计提供了一个有前途的解决方案.
- 拟议的模型有效地整合了多级特征,并增强了本地特征提取.
- 与现有方法相比,SimMDE是一个显著的进步,特别是在现实世界的应用中.
