摘要
从单张图像中估计表面法线是3D场景理解中的一个重要任务。本文针对现有方法普遍存在的两个问题进行了研究：无法估计随机不确定性以及预测结果缺乏细节。我们提出了一种新的网络模型，该模型可以估计每个像素的表面法线概率分布。我们引入了一种新的分布参数化方法，使得其负对数似然值成为具有学习衰减特性的角度损失。随后，使用角度误差的期望值作为随机不确定性的度量。此外，我们还提出了一种新颖的解码器框架，在该框架中，基于估计的不确定性选择部分像素进行训练，从而训练出像素级多层感知机（MLP）。所提出的不确定性引导采样方法防止了训练过程中对大面积平面结构的偏差，并提高了预测质量，特别是在物体边界附近和小结构上。实验结果表明，所提出的方法在ScanNet和NYUv2数据集上的表现优于现有最先进方法，并且估计的不确定性与预测误差之间有很好的相关性。代码可从以下链接获取：https://github.com/baegwangbin/surface_normal_uncertainty。