参考代码：sc_depth_pl

1. 概述

介绍：基于运动恢复的自监督深度估计算法中会假设所处的场景是静止的，但是实际中这样的假设是不现实的，因而运动的物体和遮挡就会违反之前的场景先验假设，从而导致对应区域上出现深度预测异常。对于物体的运动和遮挡情况，在之前的工作中有采用直接预测运动场、分割方法标注、光流场、几何先验等方法进行补救，但是作用范围也是有限的。同时，由于物体边界的模糊性也会导致深度估计的边缘模糊。对此文章提出了一种使用伪深度（pseudo-depth）作为深度引导（这个伪深度其实是由一个深度估计模型预测输出的，虽然不准确但是能提供基本的轮廓和远近信息），从而提升自监督深度估计方法的预测能力。

将文章的输出结果（第三排）与自监督深度估计方法的结果（第二排）进行对比，见下图：
在这里插入图片描述
从图中可以明确看到文章的方法输出结果更加准确，同时细节也更多。不过文章的方法是在加入pseudo-depth下才能得到巨大提升的，而对应的深度估计模型也是需要数据进行训练的，也会存在各种各样的corner-case，只能说这样的方法对大部分场景能较好处理。

2. 方法设计

2.1 方法设计

文章的方法见下图所示：
在这里插入图片描述
从图中可以看到在自监督方法基础上添加了pseudo-depth约束：DRR和LSR。对于自监督部分中对于运动情况的处理采用的是之前（版本为V1～V2）中使用到的深度一致性假设，记当前帧和前一帧的预测深度图表示为 $D_a,D_b$ ，则使用估计出的pose信息进行变换之后两者的神对差异应该比较小，因而可以建立约束损失函数：
$L_G=\frac{1}{|V|}\sum_{p\in V}D_{diff}(p)$
使用深度一致性去加权光度重构误差部分的损失，其得到的权重掩膜为：
$M_s=1-D_{diff}$
这个掩膜会在后面计算场景中运动目标掩膜时用到。

2.2 Dynamic Region Refinement（DDR）

在上一节中使用深度一致性约束得到光度重构误差加权掩膜，则一定程度上上述掩膜反映了场景中的运动目标，也就是权重越小是移动目标的可能性越大。对此文章选择上述权重中最20%最小的像素组成运动物体 $M_{move\_object}$ 。

对于运动目标的深度估计文章采用了structure-ranking loss损失，但需要针对文章所处场景选择对应采样策略。文中指出在 $M_{move\_object}$ 中的像素会在静态区域中选择与之匹配的像素对，还会增加全局随机采样作为进一步整图约束。

文章使用的是pseudo-depth作为引导，而这些引导在深度存在差异的时候才是置信的（文中给出的观察结论），因而那些靠得近的采样点置信度就较低了。对此，选择不计算那些被判定为近似匹配点的pair对，只计算那些深度差异明显的（这里设置 $\tau=0.15$ 从而增加对比容忍度）：
$\phi(p_0,p_1)=log(1+exp(-\mathcal{l}(p_0-p_1)))$
则这部分的深度相似性损失为：
$L_{CDR}=\frac{1}{|\Omega|}\sum_{p\in\Omega}\phi(p)$
这里提出的采样点方式与其它一些采样方式不同带来的性能差异：
在这里插入图片描述

2.3 Local Structure Refinement(LSR)

为了优化深度在边缘处的表达，也借鉴structure-ranking loss中对于深度边缘的采样策略，在深度的边缘处采样pair图像点，并提取采样点处的表面法线表达 $n$ 从而建立起约束关系：
$L_{ERN}=\frac{1}{N}\sum_{i=1}^N||n_{A_i}\cdot n_{B_i}-n_{A_i}^{*}\cdot n_{B_i}^{*}||_1$
深度边缘约束带来的性能差异比较：
在这里插入图片描述

3. 实验结果

DDAD数据集上的性能表现：
在这里插入图片描述
在pesudo-depth与添加自监督深度估计耦合之后带来的性能变化：

SC-DepthV3：Robust Self-supervised Monocular Depth Estimation for Dynamic Scenes——论文笔记