-
公开(公告)号：CN111899295B
公开(公告)日：2022-11-15
申请号：CN202010508803.3
申请日：2020-06-06
Applicant: 东南大学
Abstract: 一种基于深度学习的单目场景深度预测方法，适用于单目图片或视频，利用已校准的双目彩色图像对训练深度预测模型，在网络架构中使用了DenseNet卷积模块提取特征空间，使用其中的稠密块和过渡层，使网络中的每一层都直接与其前面层相连，实现特征的重复利用；改进了双目匹配损失，将深度预测问题视为图像重建问题，对输入的左视点彩色图和视差图采样生成虚拟彩色图和视差图，利用双目图像对的立体匹配算法，在RGB层面和视差层面，约束生成的虚拟视图和对应输入的右视点图像的一致性，从而获得更好的深度；改进了深度平滑损失，本发明能够生成高质量的密集深度图，有效改善单目场景深度预测中遮挡产生的伪影问题，可满足室内外多个现实场景的2D转3D需求。
-
公开(公告)号：CN111899295A
公开(公告)日：2020-11-06
申请号：CN202010508803.3
申请日：2020-06-06
Applicant: 东南大学
Abstract: 一种基于深度学习的单目场景深度预测方法，适用于单目图片或视频，利用已校准的双目彩色图像对训练深度预测模型，在网络架构中使用了DenseNet卷积模块提取特征空间，使用其中的稠密块和过渡层，使网络中的每一层都直接与其前面层相连，实现特征的重复利用；改进了双目匹配损失，将深度预测问题视为图像重建问题，对输入的左视点彩色图和视差图采样生成虚拟彩色图和视差图，利用双目图像对的立体匹配算法，在RGB层面和视差层面，约束生成的虚拟视图和对应输入的右视点图像的一致性，从而获得更好的深度；改进了深度平滑损失，本发明能够生成高质量的密集深度图，有效改善单目场景深度预测中遮挡产生的伪影问题，可满足室内外多个现实场景的2D转3D需求。
-
Search Results
2
records
(took 0.017 seconds)
