适配方法

AdaBins

介绍

AdaBins适用于CNN、ViT等具有多层结构的骨干网络，通过融合骨干网络提取的不同尺度的特征图来挖掘场景的空间几何信息，并利用这些信息来自适应地计算用于离散化表征深度范围的二进制宽度向量以及对应的概率分布，最终通过概率分布和宽度向量的线性组合来得到更加精确的目标深度值。

论文引用

@inproceedings{bhat2021adabins,
  title={Adabins: Depth estimation using adaptive bins},
  author={Bhat, Shariq Farooq and Alhashim, Ibraheem and Wonka, Peter},
  booktitle={Computer Vision and Pattern Recognition},
  pages={4009--4018},
  year={2021}
}

NeWCRFs

介绍

NeWCRFs适用于CNN、ViT等具有多层结构的骨干网络，使用骨干网络提取多尺度特征，再采用神经窗口全连接条件随机场来建模这些特征间的依赖关系并获得精确的目标深度值。

论文引用

@inproceedings{yuan2022neural,
  title={Neural window fully-connected crfs for monocular depth estimation},
  author={Yuan, Weihao and Gu, Xiaodong and Dai, Zuozhuo and Zhu, Siyu and Tan, Ping},
  booktitle={Computer Vision and Pattern Recognition},
  pages={3916--3925},
  year={2022}
}