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。
• $x_r^e,s$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$1/2^{r-1}$。
• 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

注意力机制深度解码器

• 解码器的整体结构和Mono2类似。将DIFF Encoder的每一自流集合的特征当作与编码器的跳接形成U-net。重点是加入了通道注意力机制帮助特征融合。
• 注意力机制：
  
• 在消融实验中，加入空间注意力机制效果不佳，顾舍弃。

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。
  

参考文献

[1] Zhou H, Greenwood D, Taylor S. Self-supervised monocular depth estimation with internal feature fusion[J]. arXiv preprint arXiv:2110.09482, 2021.