Monodepth2在自监督单目深度估计领域的研究，是否已深入至长尾词的解析与应用？

本文共计2328个文字，预计阅读时间需要10分钟。

《Monodepth2单目深度估计模型探讨：基于自监督学习的深度估计方法研究》由伦斯大学学院提出，旨在从单目RGB图像中恢复出对应场景的深度信息，通过图1所示的网络结构实现。

单目深度估计模型Monodepth2对应的论文为Digging Into Self-Supervised Monocular Depth Estimation，由伦敦大学学院提出，这篇论文的研究目标是从单目RGB图像中恢复出对应的深度，由图1所示：该网络可以从单目图像中恢复对应的深度，图中不同颜色代表不同的深度。

论文地址：在公众号「3D视觉工坊」，后台回复「Monodepth2」，即可直接下载。

图1 Monodepth深度估计图

目前单目深度估计的难点，同时也是本论文着重解决的方向：

1、图像序列中存在遮挡。

2、当场景中发生物体运动的情况，如场景中运动的车辆，此时图像序列不仅存在因相机位姿而产生的图像改变，还存在因运动物体而产生的图像亮度的改变

从理论上说：在未给定第二帧图像的情况下估计图像对应的绝对或相对深度值是一个病态问题，因为无法通过构建三角化求解对应深度。然而，从直觉上说：人类通过在现实场景中生活、学习，获得了单眼估计深度的能力。因此，类比人类的学习能力，利用深度学习技术，从单目图像中获取对应的深度是可行的。