【文件属性】：
文件名称：SGDepth:[ECCV 2020]自监督单眼深度估计
文件大小：26.57MB
文件格式：ZIP
更新时间：2021-05-08 06:12:55
depth-estimation depth-prediction multitask-learning self-supervision monocular-depth-estimation
自监督单眼深度估计：通过语义指导解决动态对象问题
， ，Jonas Mikolajczyk和 – ECCV 2020
ECCV演示
方法背后的想法
自我监督的单眼深度估计通常依赖于训练过程中静态世界的假设，该动态世界违反了静态世界。 在我们的论文中，我们介绍了一个多任务学习框架，该框架从语义上指导自我监督的深度估计以处理此类对象。
引文
如果您发现我们的工作有用或有趣，请考虑引用：
@inproceedings{klingner2020selfsupervised,
title = {{Self-Supervised Monocular Depth Estimation: Solving the Dynamic Object Problem by Semantic Guidance}},
author = {Marvin Klingner and
J
【文件预览】：
SGDepth-master
----models()
--------networks()
--------sgdepth.py(11KB)
--------__init__.py(0B)
--------layers()
----eval_depth.sh(242B)
----dc_masking.py(7KB)
----environment.yml(9KB)
----eval_depth.py(3KB)
----eval_segmentation.sh(602B)
----inference.py(9KB)
----loaders()
--------pose()
--------fns.py(2KB)
--------depth()
--------__init__.py(1KB)
--------segmentation()
----perspective_resample.py(8KB)
----train.py(14KB)
----colors()
--------plasma.py(9KB)
--------tango.py(304B)
--------__init__.py(4KB)
--------cityscapes.py(354B)
----losses()
--------baselosses.py(27KB)
--------segmentation.py(4KB)
--------__init__.py(93B)
--------depth.py(5KB)
----timer.py(624B)
----arguments.py(17KB)
----LICENSE(1KB)
----imgs()
--------intro.png(127KB)
--------sg_depth.gif(25.96MB)
--------ECCV_presentation.jpg(209KB)
--------qualitative.png(331KB)
----eval_pose.sh(253B)
----__init__.py(0B)
----harness.py(13KB)
----eval_segmentation.py(2KB)
----eval_pose.py(1KB)
----experiments()
--------kitti_full.sh(211B)
--------kitti_only_depth.sh(291B)
--------zhou_only_depth.sh(385B)
--------zhou_full.sh(306B)
----requirements.txt(138B)
----.gitignore(262B)
----dataloader()
--------eval()
--------data_preprocessing()
--------pt_data_loader()
--------__init__.py(0B)
--------file_io()
--------definitions()
----README.md(7KB)
----state_manager.py(6KB)