极市直播|边佳旺：无监督且尺度一致的深度估计与视觉SLAM（NeurIPS 2019，已开源）

Original 爱分享的极市平台 2021-09-19

↑ 点击蓝字关注极市平台识别先机创造未来

| 极市线上分享第50期 |

一直以来，为让大家更好地了解学界业界优秀的论文和工作，极市已邀请了超过50位技术大咖嘉宾，并完成了49期极市线上直播分享，往期分享请前往bbs.cvmart.net/topics/149 或直接阅读原文，也欢迎各位小伙伴自荐或推荐更多多优秀的技术嘉宾到极市进行技术分享，与大家一起交流学习~~

本次分享，极市重磅邀请到澳大利亚阿德莱德大学博士生边佳旺，为我们分享无监督且尺度一致的深度估计与视觉SLAM，边博士之前也曾在极市做过分享：干货|边佳旺稳定的图像特征匹配以及快速的GMS方案（视频+PPT），干货满满，欢迎各位小伙伴回顾前期视频并参与本次直播，与嘉宾互动交流哦~

活动信息

主题：无监督且尺度一致的深度估计与视觉SLAM

时间：11月28日（周四）晚20:00~21:00

嘉宾信息

边佳旺

澳大利亚阿德莱德大学博士生，指导老师为Ian Reid和沈春华教授。研究方向为计算机视觉，图像特征匹配，深度估计，视觉SLAM等。更多信息见个人主页：

https://jwbian.net/

关于分享

➤分享背景

深度估计是从二维图像恢复场景三维结构的核心问题。近期研究表明深度估计网络可以通过在单目视频上进行无监督训练而取得不错的精度。其本质是利用传统SLAM算法中的多视角几何原理作为监督信号。然而由于单目尺度歧义问题，以及当前算法单独对待每个训练样本，导致训练出来的网络不能在整段视频上输出尺度一致的图像深度。也就是说这种深度估计网络不能用于SLAM任务，因为他们输出的深度无法融入到同一尺度的坐标系下来建图。同样的道理，位姿估计网络也不能用于定位。在本次分享中，我们将分析并解决尺度一致性问题，从而利用无监督的深度估计网络来提升SLAM的实用性和精度。文章题目：Unsupervised Scale-consistent Depth and Ego-motion Learning from MonocularVideo （NeurIPS2019）

项目主页：https://jwbian.net/sc-sfmlearner/

论文地址：https://arxiv.org/abs/1908.10553

代码地址：https://github.com/JiawangBian/SC-SfMLearner-Release

➤分享大纲

1. 单目无监督深度估计原理

2. 输出尺度不一致问题

3. 我们的解决方案

4. 用输出尺度一致的深度做SLAM

5. 三维重构Demo

参与方式

关注“极市平台”公众号，回复“50”即可获取免费直播链接。加入专业CV交流群请填写表单 (http://extremevision.mikecrm.com/kYZXL5o) 或者点击阅读原文跳转。

往期回顾