Exploiting the Potential of Self-Supervised Monocular Depth Estimation via Patch-Based Self-Distillation
Notice bibliographique
Résumé
Perceiving scene depth and 3-D structure is one of the key tasks for Internet of Video Things (IoVT) devices to understand and interact with the environment. Self-supervised monocular depth estimation has demonstrated significant potential in leveraging large-scale unlabeled datasets to achieve competitive performance, thereby playing an increasingly important role in depth estimation. Despite recent methods providing additional supervisory signals through self-distillation strategies to improve depth estimation, an effective method for generating pseudo-depth labels suitable for addressing occlusion issues among elements far from the camera remains unexplored. To address this limitation, we propose a patch-based self-distillation learning framework to exploit the potential of self-supervised monocular depth estimation in recovering fine-grained scene depth. In the proposed framework, elements far from the camera within the input image are enlarged by enlarging and cropping operations in the patch-based self-distillation branch. Guided by photometric consistency, the model learns the detailed occlusion relationships among elements from the enlarged patches, producing patch depth maps with fine structures. In the main branch, which takes full-scale images as input, patch depth maps serve as pseudo-depth labels through self-distillation loss to provide additional supervisory signals for regions where photometric consistency fails to offer effective supervision. This forces the depth estimation network to recover fine structures of elements far from the camera in full-scale input images. Regarding the architecture of the depth estimation network, we introduce a bin-center prediction. In this prediction, a global aggregator based on self-attention provides additional scene structure queries for adaptive scene depth discretization. Finally, to encourage the model to explore more general cues for depth inference beyond road plane cues, we propose a PatchMix data augmentation method to enhance the model’s generalization ability to unseen scenes. Extensive experiments on the KITTI dataset show that the proposed method significantly improves performance over the baseline, particularly in fine-grained scene depth estimation. Moreover, the model also exhibits good generalization performance when transferred to the Make3D and Cityscapes datasets.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».