Meta研究提高立体、单目深度估计的时间一致性来改善深度重建
深度重建在计算机视觉中是一个长期存在的基本问题。最近,最好的深度估计结果来自于基于学习的方法。时间一致性对于计算摄影和虚拟现实中的视频应用尤为重要,然而实现一致的视频深度估计是一个难题。一项名为《Temporally Consistent Online Depth Estimation Using Point-Based Fusion》的论文提出了一种基于点云的融合方法来解决这个问题。该方法使用全局点云来促进在线视频深度估计的时间一致性,并展示了如何处理动态对象和更新静态点云。实验证明,该方法在改善立体和单目深度估计的时间一致性方面取得了显著的效果。该方法分为三个阶段,允许在线更新以提高重建准确性和处理动态场景,同时具有较低的运行时开销。该方法在定量和定性评估中优于基线方法,并表现出较好的时间一致性和准确性。