霍智勇，乔璐

(南京邮电大学通信与信息工程学院 南京 210023)

从单目图像中获取深度信息是理解场景几何关系的重要方法，也是三维重建[1]和视点合成[2-3]的关键性技术。传统的基于光流或运动恢复结构(structure from motion,SfM)[4]的算法可以获取单目运动图像序列或单目视频的深度信息，却无法预测单帧静止图像的深度。近年来，利用深度学习的方法预测单目静止图像的深度图成为研究热点。文献[5]首次提出采用卷积神经网络进行单目深度估计，运用神经网络获取全局粗略深度图以及改善局部细节。文献[6]提出了一种包含残差网络模块的全卷积网络对单目图像和深度图之间的模糊映射进行建模的方法，为了提高输出分辨率，再提出了特征上采样的学习方法以及引入反向Huber 损失进行优化。文献[7]对未作标记的单目图像序列，采用无监督的方式实现对单目深度估计网络和相机姿态估计网络的训练。文献[8]将卷积神经网络与连续条件随机场相结合，估计单目图像深度。文献[9]提出了采用相对深度进行深度预测的方法，即对输入图像中由人工标注的相对深度注释点对之间的相对关系进行排序估计。之后，文献[10]又通过采用质量评价网络识别出基于SfM 方法获得的高质量重构图像，作为监督视图以获取估计深度。文献[11]对由双目图像获得的GT(ground-truth)深度图和由深度卷积网络生成的预测深度图进行随机采样，从而训练出相对深度预测网络模型。上述提到的相对深度方法均采用排序损失，仅针对输入图像中的全局相对深度信息进行训练，忽略了图像中的几何信息以及局部边缘信息，在几何形状以及深度不连续处不能获得准确的预测结果。……