monodepth2学习1-原理介绍

monodepth2介绍

monodepth2是在2019年CVPR会议上提出的一种三维重建算法，monodepth2是基于monodepth进行了改进，采用的是基于自监督的神经网络，提出了一下三点优化：

1. 一个最小重投影误差，用来提升算法处理遮挡场景的鲁棒性
2. 一种全分辨率多尺度采样方法，可以减少视觉伪影
3. 一种auto-masking loss，用来忽略训练像素中违反相机运动假设的像素点

monodepth2的论文和代码地址

论文地址：https://arxiv.org/abs/1806.01260

代码地址：https://github.com/nianticlabs/monodepth2

自监督原理

神经网络进行训练生成深度图，先获取图像特征，通过特征信息生成视差图，再将视差图转化为深度图。之后通过深度信息生成点云，再将点云还原为二维图像，之后生成的二维图像和原始二维图像进行对比计算损失函数，通过反向传播优化网络减少损失函数，通俗的讲，monodepth2的基本训练原理就是这个。

monodepth2网络结构