摘要
随着全景图像与视频在市场上的广泛应用，尤其是全向相机（如全景相机）等专用捕获设备以及头戴式显示器（如头戴式显示设备）等三维可视化设备的日益普及，对三维数据的需求持续增长。然而，能够捕获三维全景数据的三维传感器成本高昂且难以获取。为弥补这一技术空白，本文提出一种基于学习的全景深度图估计方法，仅需单张图像即可实现深度预测。该方法采用一种专门设计的、具备畸变感知能力的可变形卷积滤波器，使其能够利用常规透视图像进行训练，随后直接用于全景图像的深度回归，从而避免了构建标注全景训练数据集所带来的巨大工作量。此外，我们还验证了该方法在新兴应用任务中的有效性，包括全景单目SLAM（即时定位与地图构建）、全景语义分割以及全景风格迁移等。