49 / 2022-09-27 11:14:33

融合注意力的拉普拉斯金字塔单目深度估计

随着深度神经网络的迅速发展，基于深度学习的单目深度估计研究集中于通过编码器-解码器结构回归深度，并取得了重大成果。然而，在大多数传统方法中，解码过程通常重复简单的上采样操作，存在无法充分利用编码器的特性进行单目深度估计的问题。本文针对这一问题提出一种结合注意力机制的致密特征解码结构，以单张RGB图像作为输入，首先使用编码器提取特征，编码特征被送入拉普拉斯金字塔分支中用于生成由拉普拉斯金字塔分解定义的深度残差，将各尺度拉普拉斯残差融合到解码过程中；在解码器中引入注意力机制进一步提高深度估计效果；最后结合数据损失和结构相似性损失，提高模型训练的稳定性及收敛速度。实验结果表明，在KITTI数据集上与现有的模型相比，该方法对于单目深度估计有效，均方根误差相较于先进的算法LapDepth降低了4.8%，训练代价降低了36%。