NDDepth: 정규 거리 지원 단안 깊이 추정

단안 깊이 추정은 광범위한 응용 분야로 인해 비전 분야에서 널리 주목받고 있다. 본 논문에서는 3차원 장면이 조각별 평면으로 구성되어 있다고 가정함으로써, 물리학(기하학) 기반의 새로운 딥러닝 프레임워크를 제안한다. 특히, 각 픽셀에 대해 표면 법선과 평면에서 원점까지의 거리를 출력하는 새로운 법선-거리 헤드를 도입하여, 위치별 깊이를 유도한다. 동시에, 개발된 평면 인식 일관성 제약 조건을 통해 법선과 거리 정보를 정규화한다. 더불어 제안된 프레임워크의 강건성을 향상시키기 위해 추가적인 깊이 헤드를 통합하였다. 두 헤드의 장점을 극대화하기 위해, 깊이 불확실성에 따라 보완적으로 깊이를 개선하는 효과적인 대조적 반복 정제 모듈을 개발하였다. 광범위한 실험 결과, 제안한 방법은 NYU-Depth-v2, KITTI, SUN RGB-D 데이터셋에서 기존 최고 성능 기법들을 모두 상회함을 보였다. 특히, 제출 당시 KITTI 깊이 예측 온라인 벤치마크에서 모든 제출물 중 1위를 기록하였다.