[정리] Supervised monocular depth estimation (--계속 업데이트--)

(최종 수정일 : 23.05.03)

 

https://arxiv.org/pdf/2003.06620.pdf

이 survey 보면서 정리하는 중..

---

https://github.com/gompaang/depth-estimation-paper

---

 

Supervised monocular depth estimation

 

[ deep learning architecture와 loss fucntion 위주의 논문들 ] 

 

[1] Depth Map Prediction from a Single Image using a Multi-Scale Deep Network (NeurIPS 2014) 

: 가장 처음으로 CNNs를 통해서 Depth Estimation task 해결하려고 함.

(https://hey-stranger.tistory.com/306)

 

[2] Predicting depth, surface normals and semantic labels with a common multi-scale convolutional architecture (ICCV 2015)
: 위의 논문에서 살짝 업그레이드. loss function도 local sturctureal consistency가 추가되었음. 

(https://hey-stranger.tistory.com/308)

 

[3] Deeper Depth Prediction with Fully Convolutional Residual Networks (2016)

: residual learning을 도입하였음. single images와 depth maps 사이의 maaping relation을 학습. network는 더 깊어지고, 정확도는 더 향상됨.  predicted depth map의 해상도를 향상시킴. revers Huber loss 사용함.

( https://hey-stranger.tistory.com/310 )

 

[4] Single-image depth perception in the wild (NeurIPS 2016)

: hourglass network를 사용하였음. relative depth로 annotated된 새로운 데이터셋을 도입하였음. 기존의 sota보다 간단함.

( https://hey-stranger.tistory.com/311 )

 

[5] Deep Ordinal Regression Network for Monocular Depth Estimation (CVPR 2018)

( 추후 티스토리에 업로드 할 예정 )

 

[6] Joint task- recursive learning for semantic segmentation and depth estimation (ECCV 2018)

: task-attentional model 제안

: Berhu loss를 사용였음. 기존 l2 loss 사용할 때보다 좋은 결과 나옴. 

( 추후 티스토리에 업로드 할 예정 )

 

 

 

[conditional random fields 위주 논문들]

 

[1] Deep Convolutional Neural Fields for Depth Estimation from a Single Image (CVPR 2015)

[2] Structured attention guided convolutional neural fields for monocular depth estimation (CVPR 2018)

( 추후 티스토리에 업로드 할 예정 )

 

 

 

 

[adversarial learning 위주 논문들]

GAN울 이용하여 depth estimation task를 해결하고자하는 논문들이다. GAN, conditional GAN, stacked Gan 등을 사용하였다.

 

[1] Depth prediction from a single image with conditional adversarial networks (ICIP 2017) (--> 우리나라 저자다..!)

[2] Generative adversarial networks for depth map estimation from rgb video (2018)

[3] Sganvo: Unsupervised deep visual odometry and depth estimation with stacked generative adversarial networks (2019)