Depth from Videos in the Wild：Unsupervised Monocular Depth Learning from Unknown Cameras

1.引言       當信息不足以解決歧義時，深層網絡可以通過從以前的例子中歸納出深度圖和流場。當這個方向的研究得到了牽制[50，12，14，37，25，38]，很明顯物體運動是一個主要障礙，因爲它違反了場景是靜態的假設。爲了解決這個問題，已經提出了幾個方向[48，44]，包括通過實例分割來利用對場景的語義理解[7]。遮 擋是另一個限制因素，最後，在所有之前的工作中，必須給出相機的內在參數。  

>>阅读原文<<