초록
최근의 자기 지도 단일 카메라 깊이 추정 기술은 감독된 방법의 성능에 접근하고 있지만, 저해상도에서만 작동합니다. 우리는 고해상도가 고충실성 자기 지도 단일 카메라 깊이 예측을 위한 핵심 요소임을 보여줍니다. 최근의 싱글 이미지 슈퍼 해상도(Single-Image Super-Resolution)를 위한 딥 러닝 방법에서 영감을 받아, 우리는 깊이 슈퍼 해상도를 위해 하위 픽셀 합성곱 층(sub-pixel convolutional layer) 확장을 제안합니다. 이 방법은 해당 저해상도 합성곱 특징들로부터 정확하게 고해상도 불일치(disparities)를 합성합니다. 또한, 우리는 이미지와 그 수평으로 뒤집힌 버전 사이의 예측을 정확하게 융합하여, 차단(occlusions)으로 인해 생성되는 불일치 맵(disparity map)의 좌우 그림자 영역의 영향을 줄이는 미분 가능한 플립 증강 층(differentiable flip-augmentation layer)을 소개합니다. 이러한 두 가지 기여는 공개 KITTI 벤치마크에서 자기 지도 깊이 및 자세 추정(state-of-the-art in self-supervised depth and pose estimation)에 있어 최신 기술보다 크게 성능을 향상시킵니다. 우리의 접근법에 대한 동영상은 다음 주소에서 확인할 수 있습니다: https://youtu.be/jKNgBeBMx0I.