SPIdepth: Strengthened Pose Information for Self-supervised Monocular Depth Estimation

自监督单目深度估计因其在自动驾驶和机器人领域的应用而备受关注。尽管最近的方法在利用自我查询层（SQL）等技术从运动中推断深度方面取得了进展，但它们经常忽视加强姿态信息的潜力。本文介绍了一种新方法SPIdepth，它优先增强姿态网络以改进深度估计。在SQL奠定的基础上，SPIdepth强调了捕捉细粒度场景结构中姿态信息的重要性。通过增强姿态网络的能力，SPIdepth在场景理解和深度估计方面取得了显著的进展。在KITTI和Cityscapes等基准数据集上的实验结果展示了SPIdepth的最先进性能，超过了以前的方法。值得注意的是，SPIdepth的性能超过了无监督模型，并在度量数据的微调后超过了所有现有方法。值得注意的是，SPIdepth仅使用一张图像进行推断，甚至超过了利用视频序列进行推断的方法，从而证明了它在实际应用中的效果和效率。我们的方法代表了自监督单目深度估计的重大进步，强调了增强姿态信息对于推进实际应用中的场景理解的重要性。

本文旨在提高自监督单目深度估计的性能，特别是加强姿态信息的作用。

本文提出了一种新方法SPIdepth，强调了增强姿态网络对于深度估计的重要性，并在SQL的基础上进行了改进。实验结果表明，SPIdepth在KITTI和Cityscapes等基准数据集上表现出色，超过了之前的方法，并且即使在只使用单张图像进行推断时，也能获得优越的性能。

本文的亮点在于，提出了一种新的方法来增强姿态网络，从而提高深度估计的性能。实验结果表明，SPIdepth的性能超过了之前的方法，并且仅使用一张图像进行推断时也能获得优越的性能。论文使用了KITTI和Cityscapes等基准数据集，并且开源了代码。

最近的相关研究包括：Unsupervised Monocular Depth Estimation with Left-Right Consistency（CVPR2017），Self-Supervised Learning of Depth and Camera Motion（CVPR2017），Unsupervised Learning of Depth and Ego-Motion from Video（CVPR2018）等。