Para resolver o problema atual de extração insuficiente de características espaciais de imagens em cenas externas pelos atuais modelos de estimativa de profundidade, o que causa distorções, desfoques e artefatos nas bordas dos objetos nos mapas de profundidade gerados, este artigo propõe um modelo de estimativa de profundidade monocular auto-supervisionado multi-quadros com aprimoramento de características em múltiplas escalas. Primeiro, o codificador do modelo incorpora um módulo de ativação de atenção de grande núcleo, aumentando a capacidade do codificador de extrair características espaciais globais da imagem de entrada, preservando as informações contextuais espaciais; ao mesmo tempo, propõe-se um módulo de aprimoramento estrutural que permite discriminar características importantes na dimensão do canal, fortalecendo a capacidade da rede de perceber características estruturais da imagem; por fim, no decodificador é utilizada uma metodologia de upsampling dinâmica, substituindo o upsampling por interpolação do vizinho mais próximo, para restaurar detalhes e otimizar os artefatos do mapa de profundidade. Os resultados experimentais mostram que a rede de estimativa de profundidade proposta supera os algoritmos atuais nos conjuntos de dados externos KITTI e CityScapes, especialmente alcançando uma precisão de previsão de 90,3% no conjunto de dados KITTI. Os resultados de visualização também indicam que as bordas do mapa de profundidade geradas pelo modelo são mais nítidas e precisas, melhorando efetivamente a precisão da previsão da rede de estimativa de profundidade.

Estimativa de profundidade monocular;auto-supervisão;multi-quadros;atenção de grande núcleo;aprimoramento de características