摘要
近年来，基于视频的无监督深度学习取得了显著进展，在室外场景（如KITTI数据集）中的表现已可与全监督方法相媲美。然而，当直接将该技术应用于室内环境时，仍面临诸多挑战，例如大面积无纹理区域（如白色墙面）、手持相机更复杂的自运动（ego-motion）、透明玻璃以及高反射物体等。为应对上述问题，本文提出一种基于光流的新训练范式，通过提供更清晰的训练目标，降低无监督学习的难度，并有效处理无纹理区域问题。实验评估表明，本方法在NYU Depth V2基准上的性能可与全监督方法相媲美。据我们所知，这是首个在室内数据集上实现的纯无监督学习方法的定量结果报告。