Flow Motion Depth:这是论文“单眼立体及更深层的流动和深度网络”的项目页面 源码

流动深度 这是文件的项目页的“流动感和深度网络单眼立体声和超越‘’。RAL 2020及对ICRA 2020年提出的。 该项目页面的内容: 该方法的实现, GTA-SfM工具和生成的数据集。 一旦论文被接受,所有组件将是开源的。 拟议的方法 在这项工作中,我们提出了一种消除单眼立体效果并可以进一步融合来自多个目标图像的深度信息的方法。 下图显示了该方法的输入和输出。 给定一个源图像和一个或多个目标图像,提出的方法估计每个源-目标对之间的光流和相对姿势。 还可以通过融合光流和姿态信息来估算源图像的深度图。 代码 在这里,我们提供用于理解本文的代码。 继BANet,LS-Net之后,训练后的模型不是开源的。 请转到flow-motion-depth以获取更多详细信息。 拟议的数据集和工具 训练和评估神经网络需要大规模的高质量数据。 与广泛使用的数据集不同,我们建议将GTA5中的数据集作