声明
摘要
图目录
表目录
1.1 研究背景
1.2 本文工作和贡献
1.3 本章小结
2 相关工作概览
2.1 现有的深度恢复工作
2.1.1 基于传统视觉方法的深度恢复
2.1.2 基于苍积神经网络的深度预测
2.2 深度学习与深度神经网络
2.3 生成对抗网络及其应用场景
2.4 大型RGB-深度数据集
2.4.1 NYU-Depth-v2数据集
2.4.2 KITTI深度预测数据集
2.4.3 TUM RGB-D数据集
2.5 本章小结
3 基于生成对抗网络的多模态深度恢复
3.1 问题重述
3.2 多模态深度恢复网络MM-Net概览
3.3 深度初始化估计部分网络结构
3.4 深度求j悯分网络结构
3.4.1 条件生威对抗网络设计
3.4.2 尺度疲差学习
3.4.3 穑琉深度采样
3.5 损失函数
3.6 本章小结
4 有效性验证和实验分析
4.1 实验数据集准备
4.1.1 NYU-Depth-v2数据集
4.1.2 KITTI深度预测数据集
4.2 实验细节及配置
4.3 模型剪枝实验和有效性验证
4.3.1 平滑项有效性验证
4.3.2 对抗损失项有效佳囊睫
4.3.3 不使用错琉判别网络
4.3.4 不使用残差求特
4.4 与其他相关工作的实验对比
4.5 与传统立体匹配方法的结合实验
4.6 在漩光冒达数据补全上的应用
4.7 应用于三维重建系统
4.8 本章小结
5.1 总结
5.2 展望
参考文献
致谢