今日应用
今日话题
CVPR 2024｜多视角深度估计新SOTA！AFNet：自动驾驶单视图和多视图深度的自适应融合
文章摘要
本文介绍了一种新的多视角深度估计方法AFNet，旨在提高自动驾驶系统中深度估计的精度和鲁棒性。文章首先指出，在实际自动驾驶应用中，由于SLAM获得的位姿和相机内参存在噪声，以及可能的停车或掉头导致缺乏足够的平移，这些退化场景会影响多视角深度估计的精度。为了解决这些问题，作者提出了一种自适应融合单视角和多视角深度估计的方法，通过结合两者的优势，提高了系统在退化场景下的性能。
AFNet的网络架构由单视角分支、多视角分支和自适应融合模块组成。单视角分支利用语义理解和透视投影线索，而多视角分支则依赖于特征匹配。通过特征融合，两个分支的优势得以结合，提高了无纹理区域和边缘区域的性能。自适应融合模块基于重投影置信度，选择更可靠的深度估计分支，实现了高精度和高鲁棒性的融合深度。
实验结果表明，AFNet在DDAD和KITTI自动驾驶数据集上达到了SOTA，特别是在动态物体区域的表现显著提升。此外，AFNet在提出的鲁棒性基准测试中也表现出色，即使在pose噪声逐渐增大的情况下，仍能保持较高的精度。可视化结果显示，AFNet在边缘细节区域的性能更佳，具有更强的抗噪声干扰能力。
总之，AFNet通过自适应融合单视角和多视角深度估计，有效解决了多视角深度估计在退化场景下的难题，提升了精度和鲁棒性，实验验证了该方法的优越性和有效性。
文章来源
原文地址: 点我阅读全文
原文作者: 极市平台
© 版权声明
文章版权归作者所有，未经允许请勿转载。
相关文章
暂无评论...
晒应用是一个专注于软件和资源网站分享的导航类网站。我们致力于为用户提供最新、最热门的应用推荐和AI资源，涵盖各种AI绘画、AI制图、AI工具、AI剪辑、AI文本、AI创作、实用工具、免费软件、在线服务和在线影视导航。无论您是寻找最佳的数字工具还是想要了解最新的黑科技应用，晒应用都能满足您的需求。