Angesichts der Probleme aktueller selbstüberwachter monokularer Tiefenschätzungsnetzwerke in komplexen Innenraumszenen, die von vielen Bereichen mit geringer Textur und schlechter Beleuchtung durchdrungen sind, wie ungenaue Tiefenvorhersagen, unscharfe Objektkanten und erheblichen Detailverlust, stellt dieser Artikel ein auf hierarchischer Merkmalsfusion basierendes selbstüberwachtes monokulares Tiefenschätzungsnetzwerkmodell für Innenräume vor. Zunächst werden Innenaufnahmen durch ein Modul zur konsistenten Bildverstärkung verarbeitet, das die Sichtbarkeit in Bereichen mit schlechter Beleuchtung verbessert, die Helligkeitskonsistenz bewahrt und Texturdetails anreichert, wodurch das Problem unscharfer falscher Ebenen, das das Modell beim Training verschlechtert, teilweise gelöst wird. Anschließend wird ein Tiefenschätzungsnetzwerk entworfen, das ein auf Aufmerksamkeitsmechanismen basierendes bereichsübergreifendes Merkmalanpassungsmodul kombiniert und mehrstufige Merkmalsinformationen des Encoders sowie des Encoder-Decoder vollständig integriert, um die Merkmalsnutzung des Netzwerks zu verbessern und die semantische Lücke zwischen vorhergesagter und tatsächlicher Tiefe zu verringern. Schließlich wird eine auf der Ähnlichkeit der Gram-Matrix basierende Verlustfunktion als zusätzliches selbstüberwachtes Signal zur Einschränkung des Modells entworfen, die die Fähigkeit des Netzwerks zur Tiefenvorhersage verbessert und die Genauigkeit der Tiefenvorhersage weiter erhöht. Das Training und Testen erfolgten auf den Innen-Datensätzen NYU Depth V2 und ScanNet, wobei der Anteil der korrekt vorhergesagten Tiefenpixel 81,9 % bzw. 76,0 % erreichte. Die experimentellen Ergebnisse zeigen, dass dieses Netzwerkmodell im Vergleich zu bestehenden führenden selbstüberwachten monokularen Tiefenschätzungsnetzwerken für Innenräume die Objektkanten und Detailinformationen gut erhält und die Genauigkeit der Tiefenvorhersage effektiv verbessert.

Selbstüberwachung; monokulare Tiefenschätzung; Bildverbesserung; hierarchische Merkmalsfusion; Gram-Matrix