현재 심도 추정 네트워크가 실외 장면에서 이미지의 공간적 특징을 충분히 추출하지 못해 출력된 심도 지도에 객체 가장자리 왜곡, 흐림 및 영역 아티팩트 등의 결함이 발생하는 문제를 해결하기 위해, 본 논문에서는 다중 스케일 특징 강화 다중 프레임 자가 감독 단안 심도 추정 모델을 제안한다. 먼저, 해당 모델의 인코더는 대형 커널 주의력 활성화 모듈을 도입하여 인코더가 입력 이미지의 전역 공간적 특징을 더 잘 추출하고 공간적 문맥 정보를 유지하도록 한다; 동시에 중요한 특징을 채널 차원에서 구별할 수 있는 구조 강화 모듈을 제시하여 네트워크가 이미지의 구조적 특징을 감지하는 능력을 향상시킨다; 마지막으로 디코더에서는 최근접 이웃 보간 방식 대신 동적 업샘플링 방법을 사용하여 세부 정보를 복원하고 심도 지도 내의 아티팩트 현상을 최적화한다. 실험 결과, 본 논문에서 제안한 심도 추정 네트워크는 KITTI 및 CityScapes 실외 데이터셋 테스트에서 현재 주류 알고리즘보다 우수한 성능을 보였으며, 특히 KITTI 데이터셋에서는 예측 정확도가 90.3%에 달했다. 시각화 결과 또한 본 논문 네트워크 모델이 생성한 심도 지도 가장자리가 더 선명하고 정확하여 심도 추정 네트워크의 예측 정밀도를 효과적으로 향상시켰음을 보여준다.

단안 심도 추정;자가 감독;다중 프레임;대형 커널 주의력;특징 강화