使用RGB-D数据集估算室外场景的单眼深度

使用RGB-D数据集估算室外场景的单眼深度 在计算机视觉领域中，深度估算是一个经典的课题。然而，从单个图像中推断场景的深度仍然是一个极其困难的问题。本文中，我们提出了一种非参数方法来估算单个图像的深度。为此，我们利用RGB-D数据集作为推断的基础。 我们对查询图像进行全局场景级检索，以获取与数据集中的相似图像。然后，我们对检索结果进行超像素级匹配，以获取场景级表示。超像素级表示是通过对超像素中心点的Depth估算来实现的。深度估算被公式化为"contextual inference"和"depth propagation"。contextual inference是通过Markov随机场（MRF）能量函数来定义的，该函数定义在稀疏深度图上，并实现了一个图形模型，其中边缘编码了超像素中心点之间的交互关系。然后，深度传播从推断结果生成最终的稠密深度图。 本文的方法得益于标准数据集的实验结果，证明了该方法的有效性。 知识点： 1. 深度估算是计算机视觉中的一个经典课题，应用于3D重建、机器人学和虚拟现实等领域。 2. 深度估算可以分为两类：基于多个图像的方法和基于单个图像的方法。多数现有的方法需要多个图像和昂贵的捕捉设备。 3. 基于立体视觉的方法可以使用计算得出的视差来恢复深度。 4. 形状从motion（SFM）可以使用图像之间的对应关系来恢复3D运动和深度。 5. 深度从焦点（DFF）可以使用图像之间的对应关系来恢复深度。 6. RGB-D数据集可以作为深度估算的基础。 7. 非参数方法可以用于深度估算。 8. contextual inference可以用来描述深度估算的Markov随机场能量函数。 9. 深度传播可以生成最终的稠密深度图。 10. 超像素级表示可以用于场景级表示和深度估算。 11. 深度估算可以应用于室外场景。 在计算机视觉领域中，深度估算是一个基本的课题，具有广泛的应用前景。本文中，我们提出了一种基于RGB-D数据集的非参数方法来估算单个图像的深度，该方法可以应用于室外场景的深度估算。