Deep Learning-based Depth Estimation Methods from Monocular Image and Videos: A Comprehensive Survey

这篇摘要讲述了从单张RGB图像和视频中估计深度的广泛应用，包括自动驾驶、3D重建、数字娱乐和机器人等领域。过去十年中已经发表了500多篇基于深度学习的论文，这表明了人们对这个任务的日益关注。本文全面调查了现有的基于深度学习的方法，它们所解决的挑战以及它们在体系结构和监督方法方面的发展。它提供了一个分类法，根据输入和输出模态、网络体系结构和学习方法对当前工作进行分类。它还讨论了单目深度估计历史上的重要里程碑，以及现有方法中使用的不同流程、数据集和评估指标。

深度估计是一个重要的问题，本文试图综述现有基于深度学习的方法在架构和监督方法上的演化，并提供一个分类法来归纳这些方法。

本文提供了一个分类法来归纳现有的基于深度学习的深度估计方法，并讨论了它们的架构和监督方法的演化。

本文总结了深度估计的历史里程碑，讨论了不同的流程、数据集和评估指标，介绍了一些值得关注的实验和开源代码，并提出了未来的研究方向。

最近的相关研究包括：《Deep Learning for Single Image Super-Resolution: A Brief Review》、《A Comprehensive Survey on Graph Neural Networks》等。