跳到正文
arXiv · 机器人与计算机视觉· Zhijie Wang, Li Zhang, Yujie Chen, Shibiao Deng, Xin Gao, Houzhi Zhou, Jiangshuo Zhang·· 3 天前AI 评分59

信号支架:解锁轻量级模型在自监督单目深度估计中的潜力

Signal Scaffolding: Unlocking the Potential of Lightweight Models for Self-Supervised Monocular Depth Estimation

AI 导读

针对边缘设备需求上升但现有轻量级方法精度不足的现状,本文提出无需引入额外数据集或参数的三阶段训练策略 Signal Scaffolding。该方法应用于自设计的轻量化网络 ReForgeDepth,在 KITTI 和 Cityscapes 数据集上实现了精度与效率的最优平衡,并能在边缘设备上实时运行。研究结果表明,通过优化训练方式即可进一步挖掘轻量级模型的潜在能力。

来源:arXiv · 机器人与计算机视觉 · arxiv.org