MsGf:一个轻量级的自我监督的单眼深度估计框架,具有多级特征提取
Xinxing Tian1, Zhilin He1, Yawei Zhang1
1School of Automation, Qingdao University, Qingdao 266071, China.
Sensors (Basel, Switzerland)
|October 29, 2025
概括
本研究引入了一种轻量级,自我监督的框架,用于单眼深度估计. 这种新的方法增强了计算机视觉中的3D场景理解,通过改进的特征提取和文物消除.
科学领域:
- 计算机视觉 计算机视觉
- 3D场景理解 3D场景理解
背景情况:
- 单眼深度估计对于3D场景的理解至关重要.
- 应用包括自动驾驶和增强现实.
研究的目的:
- 提出一个轻量级,自我监督的框架,用于单眼深度估计.
- 改进多个尺度的特征提取和文物消除.
主要方法:
- 引入了一个跨维多尺度特征提取 (CDMs) 模块.
- 使用Sobel操作员开发了一个Sobel边缘感知引导过 (SEGF) 模块.
- 结合并行多尺度卷积与顺序特征卷积.
主要成果:
- 拟议的 MsGf 框架在 KITTI 和 Make3D 数据集上实现了最先进的性能.
- 仅用0.8M参数证明了卓越的性能.
- 有效地抑制了文物和捕获的结构/边缘特征.
结论:
- MsGf框架为单眼深度估计提供了高效和有效的解决方案.
- 新型模块显著增强了特征提取和文物抑制.
- 在显著减少参数数量的情况下取得了竞争性结果.
