中文标题：基于内部特征融合的自监督单目深度估计
创新点
- 参照HR-Net在网络上下采样的过程中充分利用语义信息。
- 设计了一个注意力模块处理跳接。
- 提出了一个扩展的评估策略，其中方法可以使用基准数据中的困难的情况进行进一步测试，以一种自我建立的方式形成。
网络结构设计
高分辨率编码器
- 浅层但高分辨率的特征在空间上很精确，相反，深层但低分辨率的特征在空间上并不精确，但是语义信息丰富。
- x r e , s x^e_r,s xre,s代表特征图中第s阶段，第r个子流。第r个子流的分辨率是原分辨率的 1 / 2 r − 1 1/2^{r-1} 1/2r−1。
- 使用HRNet编码器，效果明显强于ResNet.
- DIFFNet强制来自不同阶段的特征映射包含不同的语义信息，但在解码之前使用连接策略融合来自所有中间阶段的输出。
- HRNet和DiFFNet不同节点间特征可视化图，可知DiFFnet的深层特征更加语义。
- HRNet和DIFFNet
蒸馏实验结果
扩展的评估
- 选取了验证集上最难的10张图单独作为测试集进行评估。
