摘要
本文研究了单图像深度估计问题。近年来，卷积神经网络（CNNs）的应用在该领域的研究中带来了显著的进步。然而，大多数现有方法在估计的深度图中存在空间分辨率损失的问题；一个典型的症状是物体边界重建失真和模糊。为了实现更高精度的估计，特别是提高深度图的空间分辨率，本文提出了对现有方法的两项改进。一项改进涉及不同尺度特征融合的策略，为此我们提出了一种改进的网络架构，包含四个模块：编码器、解码器、多尺度特征融合模块和精炼模块。另一项改进则针对用于训练过程中测量推理误差的损失函数。我们展示了三个损失项——分别衡量深度、梯度和表面法线的误差——以互补的方式提高了精度。实验结果表明，这两项改进使得本方法在当前最先进方法的基础上实现了更高的精度，例如在小物体和物体边界处提供了更精细的分辨率重建。