SfMLearner

收录理由

这是作者对2017年CVPR论文的参考实现，该论文研究从单目视频中学习深度和相机运动，无需真实深度标签。网络通过预测的深度和自运动来重建连续帧，以光度一致性作为训练信号，这一技巧后来被许多驾驶和机器人系统采用。仓库包含针对KITTI和Cityscapes的训练和评估代码，一个预训练的单目深度模型，以及交互式演示笔记本，因此你可以复现论文结果或将架构调整到自己的视频数据上。需要注意的是，代码面向TensorFlow 1.0时代的工具，所以更适合作为研究基线和学习参考，而非直接投入生产的管线。对于刚开始接触自监督单目深度估计的团队来说，这是一个清晰且文档完善的起点。