![arxiv：2308.08333v4 [CS.CV] 23 Jul 2024](/simg/a/a3f7b583186411dd2ab2cca4ba5ff02b1fa3a395.webp)
机构名称：
¥ 1.0
单眼深度估计是计算机视觉中的持续挑战。变压器模型的最新进展与该领域的常规CNN相比表现出显着的优势。但是，这些模型如何优先考虑2D图像中的不同区域以及这些区域如何影响深度估计性能，仍然存在差距。探索转移器和CNN之间的差异，我们采用了稀疏的像素方法来对比分析两者之间的区别。我们的发现表明，尽管变形金刚在全球环境和错综复杂的纹理中表现出色，但它们却落后于保留深度梯度连续性。在单眼深度估计中增强了变压器模型的性能，我们提出了深度差异（DGR）模块，该模块通过高阶分化，特征融合和重新校准来完善深度估计。此外，我们利用最佳运输理论，将深度图视为空间概率分布，并采用最佳运输距离作为损失函数来优化我们的模型。实验结果表明，与插入深度梯度改进（DGR）模块集成的模型以及置换损失函数可增强性能，而无需增加室外Kitti和Indoor Nyu-Depth-v2数据集的复杂性和计算成本。这项研究不仅提供了深入估计变压器和CNN之间区别的新见解，而且还为新颖的深度估计方法铺平了道路。
arxiv：2308.08333v4 [CS.CV] 23 Jul 2024
主要关键词
![arxiv：2308.08333v4 [CS.CV] 23 Jul 2024PDF文件第1页](/bimg/c/c1b5afdb8dea03a7b63e7604a3ee6c1ccead0e1b.webp)
![arxiv：2308.08333v4 [CS.CV] 23 Jul 2024PDF文件第2页](/bimg/e/ee1af47c33c897e6aa9ef0e676cafa7ad439efeb.webp)
![arxiv：2308.08333v4 [CS.CV] 23 Jul 2024PDF文件第3页](/bimg/2/257772c577b0fc93cc5d875b69a0797d715299bd.webp)
![arxiv：2308.08333v4 [CS.CV] 23 Jul 2024PDF文件第4页](/bimg/9/9036edb39f1df3a132d877b92f227aaefb5aa2bf.webp)
![arxiv：2308.08333v4 [CS.CV] 23 Jul 2024PDF文件第5页](/bimg/a/a9d6d35af67e3eaf53e546e67852c9cf71239fd3.webp)
相关文件推荐
![arxiv：2306.05980v4 [CS.CV] 7 Jul 2024](/simg/2/287d6f10617a2e18530588131531587b2101fba1.webp)
![arxiv：2407.01029v1 [CS.CV] 1 Jul 2024](/simg/3/36fa1e8e3ac067ac362f30b15579ead25140f794.webp)
![arxiv：2407.19628v1 [CS.CV] 29 Jul 2024](/simg/b/b34f59529d417e9d599ebdcd426d087e821b8948.webp)
![arxiv：2407.08394v2 [CS.CV] 16 Jul 2024](/simg/2/25b0902d298b2279e76074e43d30286f1a2affb3.webp)
![arxiv：2402.18695v2 [CS.CV] 26 Jul 2024](/simg/f/f08f1aee69cc179cf9f481f2bc9e7e619c2cf4e0.webp)
![arxiv：2308.05659V2 [CS.CV] 16 9月16日2024](/simg/3/30a46ac880935730bedbb8cdc7f572bd0c181275.webp)
![arxiv：2403.17346v2 [CS.CV] 2 Sep 2024](/simg/9/9944fb79975bd27f5343cf3e1c65012cdfd8fc49.webp)
![arxiv：2407.05599v1 [CS.CL] 8 Jul 2024](/simg/7/79f4ee55dd613d8a130248f32d506e28b45fe531.webp)
![arxiv：2409.17457V1 [CS.CV] 26 Sep 2024](/simg/2/2fc2ec531c9a2d2eb7f7bb650cdbef87119ef01e.webp)
![arxiv：2409.16808V1 [CS.CV] 25 Sep 2024](/simg/f/f74deee9bbcffa36a70f1eb546e8df14e5499655.webp)
![arxiv：2307.11017V1 [CS.CV] 20 Jul 2023](/simg/2/2d974955bbea02db7afcc9b945360e2b3c879ce2.webp)
![arxiv：2402.00407v2 [CS.CV] 14 Sep 2024](/simg/2/28d4df180c3057a85e7212b8f7556eb322d22066.webp)
![arxiv：2407.06590v1 [cs.ro] 9 Jul 2024](/simg/b/b7006685b5c2dee658969707f5e800ca1d0c09f8.webp)
![arxiv：2407.01832v1 [Quant-ph] 1 Jul 2024](/simg/2/242839359accf4ba5792c33341681d44a45bbd77.webp)
![arxiv：2305.19241v8 [cs.cr] 23 Sep 2024](/simg/c/ce570bed83614566168a8aee726a9d156b395521.webp)
![arxiv：2401.08740v2 [cs.cv] 23 Sep 2024](/simg/3/33fbb7365131166a8cfcb2174da1735b80de7c91.webp)
![arxiv：2405.14411v2 [CS.AI] 4 Sep 2024](/simg/1/1115abfe48fe64291ecf101f45f411d67ec51b4b.webp)
![arxiv：2406.16047v2 [Quant-ph] 9 Jul 2024](/simg/a/a4db9cc5a46e15f12c50453e37e918332385083e.webp)
![arxiv：2402.18703v2 [Quant-ph] 2 Jul 2024](/simg/6/629bf2f9c7927c2d96ab300dabb1043c2bb73845.webp)
![arxiv：2409.14633v1 [cs.ro] 23 Sep 2024](/simg/7/7bf81d78b5e22cfcb825fad153a724111581e93c.webp)
![arxiv：2308.15030v4 [CS.AI] 2024年5月29日](/simg/6/6a4b9aa61417a2f810fab35ca4568feefe5ea6ab.webp)
![arxiv：2407.08813v2 [eess.iv] 18 Jul 2024](/simg/7/7db0e79c4f0a1f9970d84b956c248f2dc7a2b750.webp)
![arxiv：2311.10353v2 [Quant-ph] 30 Jul 2024](/simg/8/8c35ce50dfb83928a45cfb4f39bce7ff82c9fa06.webp)
![ARXIV：2407.05342V1 [CS.CV] 7 JUL 2024](/simg/c/cb1a3019f00871f94003753133f2e459f9d2298e.webp)
![arxiv：2403.09323v4 [CS.CV] 2025年1月27日](/simg/6/6a250faa3bde1df835a0c39d353ff212cb76001e.webp)
![arxiv：2401.08687v2 [CS.CV] 2024年8月13日](/simg/2/21a00eb50769f592898182bdc195e5cf792ce43d.webp)
![arxiv：2408.09358v2 [CS.CV] 2024年8月20日](/simg/9/9c7601f6283402fa75890197349dd4c7072fda58.webp)