【技术实现步骤摘要】
本专利技术涉及深度预估，尤其涉及一种基于多步迭代体积概率分布扩散模型的深度预估方法。
技术介绍
1、深度预估技术是多项三维视觉应用的核心，包括自动驾驶、机器人导航、增强现实和工业制造等。近段时间以来，深度卷积神经网络在多个极具挑战性的现实世界场景应用中取得了令人瞩目的成果，尽管如此，最先进的网络架构仍然难以处理由于无纹理区域、重复图案、薄结构、遮挡或反射等引起的预测模糊，该问题会导致生成错误的视差预测结果。为了获得准确的深度信息，目前最先进的方法倾向于利用三维代价卷来学习不同深度假设平面上的对应关系分布。与这些基于二维上下文特征的方法相比，基于三维体积的方法通过匹配过程有效地利用了立体几何约束，并在不同的基准数据集上取得了引人注目的结果。因此，如何实现基于三维体积的精确深度是近来工作的关注重点。
2、现有的基于体积的研究主要集中在使用各种复杂的架构和损失函数来学习体积对应分布，将三维代价体积的估计视为一个单步近似过程。然而，简单地强迫估计的分布逼近复杂的目标分布会给学习过程带来巨大的负担，对于一些如遮挡、反射等复杂的挑战性案...
【技术保护点】
1.一种基于多步迭代体积概率分布扩散模型的深度预估方法，其特征在于，包括步骤：
2.根据权利要求1所述的一种基于多步迭代体积概率分布扩散模型的深度预估方法，其特征在于，通过在线过滤操作对每次迭代处理生成的预测体积进行处理，并将处理结果传输至下一采样步骤，所述在线过滤操作表达式如下：
3.根据权利要求1所述的一种基于多步迭代体积概率分布扩散模型的深度预估方法，其特征在于，所述构建基础体积引导通过softmax函数将预训练网络的成本量转换为条件扩散过程所需的概率形式。
4.根据权利要求3所述的一种基于多步迭代体积概率分布扩散模型的深度预...
【技术特征摘要】
1.一种基于多步迭代体积概率分布扩散模型的深度预估方法，其特征在于，包括步骤：
2.根据权利要求1所述的一种基于多步迭代体积概率分布扩散模型的深度预估方法，其特征在于，通过在线过滤操作对每次迭代处理生成的预测体积进行处理，并将处理结果传输至下一采样步骤，所述在线过滤操作表达式如下：
3.根据权利要求1所述的一种基于多步迭代体积概率分布扩散模型的深度预估方法，其特征在于，所述构建基础体积引导通过softmax函数将预训练网络的成本量转换为条件扩散过程所需的概率形式。
4.根据权利要求3所述的一种基于多步迭代体积概率分布扩散模型的深度预估方法，其特征在于，所述softmax函数根据深度维度对所述预训练网络的成本量中的每个像素进行转换生成预训练网络的成本概率体积，所述转换过程表达式如下：
5.根据权利要求1所述的一种基于多步迭代体积概率分布扩散模型的深度预估方法，其特征在于，通过所述二维上下文信息获取上下文特征，通过所述上下文特征投影至三...
【专利技术属性】
技术研发人员：金鑫，李博涵，曾文军，
申请(专利权)人：宁波东方理工大学暂名，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。