Unsupervised monocular depth learning using self-teaching and contrast-enhanced SSIM loss

对比度(视觉) 单眼 人工智能 计算机科学 基本事实 无监督学习 相似性(几何) 计算机视觉 过程(计算) 模式识别(心理学) 图像(数学) 操作系统
作者
Feng Cheng,Ye Wang,Yan-Hao Lai,Qiong Liu,Yijun Cao
出处
期刊:Journal of Electronic Imaging [SPIE - International Society for Optical Engineering]
卷期号:33 (01)
标识
DOI:10.1117/1.jei.33.1.013019
摘要

In recent years, unsupervised learning has gained significant attention as a promising approach for monocular depth estimation. We propose an unsupervised monocular depth learning approach that combines self-teaching method and contrast-enhanced structural similarity (SSIM) loss. The self-teaching method involves learning from both a teacher and a student network. The teacher network generates a pseudo-ground truth depth map from non-augmented images and highest predicted resolution. The student network is trained on augmented images and related low resolution to supervise the training process. This approach allows the student network to learn from the teacher network and improves the quality of the depth predictions. In addition, we introduce a new contrast-enhanced version of the SSIM loss that improves the learning process by emphasizing the contrast between the predicted depth and the ground truth. Our experiments on the KITTI datasets demonstrate that our approach outperforms many unsupervised depth learning methods.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
但大图完成签到 ,获得积分10
4秒前
chen完成签到,获得积分10
11秒前
小明完成签到,获得积分10
17秒前
19秒前
知行合一完成签到 ,获得积分10
24秒前
崔宁宁完成签到 ,获得积分10
25秒前
陈荣完成签到 ,获得积分10
35秒前
gogogo完成签到,获得积分10
38秒前
mgqqlwq发布了新的文献求助10
55秒前
HS完成签到,获得积分10
56秒前
yes完成签到 ,获得积分10
1分钟前
英姑应助科研通管家采纳,获得10
1分钟前
科研通AI2S应助科研通管家采纳,获得10
1分钟前
BLAZe完成签到 ,获得积分10
1分钟前
岑靖仇完成签到 ,获得积分10
1分钟前
自由的亿先完成签到 ,获得积分10
1分钟前
guantlv完成签到,获得积分10
1分钟前
cyril完成签到 ,获得积分10
1分钟前
lyly完成签到,获得积分10
1分钟前
回首不再是少年完成签到,获得积分10
1分钟前
Oneplusssss完成签到 ,获得积分10
1分钟前
willam完成签到 ,获得积分10
1分钟前
倩倩完成签到,获得积分10
2分钟前
zzn完成签到 ,获得积分10
2分钟前
科研狗完成签到 ,获得积分10
2分钟前
wangeil007完成签到,获得积分10
2分钟前
wqc2060完成签到,获得积分10
2分钟前
赵焱峥完成签到 ,获得积分10
2分钟前
fay1987完成签到,获得积分10
2分钟前
onlooker完成签到 ,获得积分10
3分钟前
小马甲应助mgqqlwq采纳,获得10
3分钟前
ttt完成签到 ,获得积分10
3分钟前
乘风破浪完成签到 ,获得积分10
3分钟前
nicolaslcq完成签到,获得积分10
4分钟前
卡卡完成签到 ,获得积分10
4分钟前
4分钟前
研友_gnvY5L完成签到 ,获得积分10
4分钟前
小小aa16完成签到,获得积分10
4分钟前
139完成签到 ,获得积分10
4分钟前
zhaozb发布了新的文献求助20
4分钟前
高分求助中
Un calendrier babylonien des travaux, des signes et des mois: Séries iqqur îpuš 1036
Sustainable Land Management: Strategies to Cope with the Marginalisation of Agriculture 1000
Corrosion and Oxygen Control 600
Python Programming for Linguistics and Digital Humanities: Applications for Text-Focused Fields 500
Heterocyclic Stilbene and Bibenzyl Derivatives in Liverworts: Distribution, Structures, Total Synthesis and Biological Activity 500
重庆市新能源汽车产业大数据招商指南(两链两图两池两库两平台两清单两报告) 400
Division and square root. Digit-recurrence algorithms and implementations 400
热门求助领域 (近24小时)
化学 材料科学 医学 生物 有机化学 工程类 生物化学 纳米技术 物理 内科学 计算机科学 化学工程 复合材料 遗传学 基因 物理化学 催化作用 电极 光电子学 量子力学
热门帖子
关注 科研通微信公众号,转发送积分 2546110
求助须知:如何正确求助?哪些是违规求助? 2175672
关于积分的说明 5600244
捐赠科研通 1896399
什么是DOI,文献DOI怎么找? 946268
版权声明 565379
科研通“疑难数据库(出版商)”最低求助积分说明 503557