摘要
从单个RGB图像估计深度是一个病态且本质上具有模糊性的问题。目前最先进的深度学习方法可以估算出准确的2D深度图，但当这些图被投影到3D空间时，它们缺乏局部细节，且经常出现严重失真。我们提出了一种训练速度快的双流卷积神经网络（CNN），该网络能够预测深度及其梯度，然后将两者融合生成一个准确且详细的深度图。此外，我们定义了一种针对多张图像的新集合损失函数；通过在一组共同的图像之间进行正则化估计，网络减少了过拟合的风险，并且比竞争方法实现了更高的精度。在NYU Depth v2数据集上的实验表明，我们的深度预测结果与当前最先进方法相当，并能生成忠实的3D投影。