2 － deep learning在计算机视觉各个子领域的应用

Depth Estimation, Normal Estimation (深度、法向量估计）
depth和normal
estimation问题，如果在有 stereo image pair
的情况下并不困难。但是否能从单张影像估计出 depth 或者 normal 呢？在有大量的 training data 和一些
constraints 下（比如vanishing points, orthogonal surfaces...)，也是可行的。 2014年
Rob Fergus 的学生，就把 depth 和 normal estimation 看作一个 regression
问题，然后使用强大的高度非线性 regressor (CNN) 来做 end-to-end 的 training, 也就是从
image 到 depth normal 的 training (参考原文： Depth map prediction from a
single image using a multi-scale deep network)。文中使用了 multi-scale deep
network，coarse scale 能根据整个场景得到全局的depth map，这个 overall depth map
和原始的影像，一起 feed 到 fine scale 的CNN 中。总之，使用了deep architecture
后，depth normal estimation 就是个简单的 regression 问题了，而且数据越多越好。今年的 CVPR，CMU
的教授 Abhinav Gupta 组也做了从单张影像估计 normal 的工作。他们的大致思想一致，只是把 normal estimation
离散化了，变成了一个 classification 问题。同样，文章中使用了两个 deep nets: coarse & fine
(原文：Designing Deep Networks for Surface Normal
Estimation)。

巴特西

deep learning+ Depth Estimation

Depth estimation/stereo matching/optical flow @CVPR 2017

2 － deep learning在计算机视觉各个子领域的应用

最新文章

热门文章