摘要
近年来，自监督单目深度估计因其在机器人技术和自动驾驶领域的广泛应用而成为研究热点。当前多数研究工作致力于通过提升模型架构的复杂度来改善深度估计性能。本文表明，通过优化学习过程而非增加模型复杂度，同样可以实现当前最先进的性能。具体而言，我们提出了两项改进策略：（i）在训练过程中忽略小的、可能具有动态特性的物体；（ii）采用基于外观的方法，对真正动态的物体分别估计其姿态。实验结果表明，这些简化措施使GPU内存占用减少了29%，并显著提升了深度图在定性和定量层面的性能。代码已开源，地址为：https://github.com/kieran514/Dyna-DM。