要約
室内環境における自己教師付き深度推定は、以下の2つの点で屋外環境におけるそれよりもさらに挑戦的である。第一に、室内シーケンスの深度範囲はフレームごとに大きく変動するため、深度ネットワークが一貫した深度特徴を学習することが困難となる。一方、屋外シーンではカメラが空を視野に含むため、最大距離がほぼ一定に保たれることが多い。第二に、室内シーケンスには回転運動が著しく多く含まれており、これにより姿勢推定ネットワークに困難をもたらすが、屋外シーケンス、特にKITTIのような自動車走行データセットでは運動が主に並進運動に偏っている。本論文では、こうした課題に特化した配慮を施し、室内環境における自己教師付き単眼深度推定の性能向上に向けた一連の優れた実践手法を統合した。提案手法は、上記の課題に対処するためそれぞれに設計された2つの新規モジュール、すなわち「深度因子分解モジュール」と「残差姿勢推定モジュール」から構成される。各モジュールの有効性は、慎重に設計された消去実験（ablation study）を通じて示され、またEuRoC、NYUv2、7-scenesの3つの室内データセットにおいて最先端の性能が確認された。