中值过滤代码matlab 光场深度估计 该工具包含一些光场深度估计方法。 如何使用 运行main.m （此软件已在带有Windows 10 64位环境的Matlab 2016a上进行了测试） 参数data_type选择数据集。 data_type = 1新的基准数据集 Honauer, Katrin, Ole Johannsen, Daniel Kondermann and Bastian Goldluecke. A Dataset and Evaluation Methodology for Depth Estimation on 4D Light Fields[C]// Asian Conference on Computer Vision. Springer, Cham, 2016: 19-34. data_type = 2旧基准数据集 Wanner, Sven, Stephan Meister and Bastian Goldluecke. Datasets and Benchmarks for Dens-ely Sampled 4D Light Fields [C] // P

卷积空间传播网络 程新京，王鹏，关晨烨，杨瑞刚 内容 介绍 此回购协议包含针对深度完成和立体深度估计而训练的CSPN模型，如“ ”和“”中所述 我们在这里提供两种实现。 首先，我们通过Pytorch实施了一个简单的2D CSPN，将“异地”和“转换”操作结合在一起。 然后，我们通过CUDA提供了更有效的2D / 3D CSPN实施，并将它们集成到PaddlePaddle中，从而更加稳定和易于使用。 引文 如果您在研究中使用此方法，请引用： @inproceedings{cheng2018depth, title={Depth estimation via affinity learned with convolutional spatial propagation network}, author={Cheng, Xinjing and Wang, Peng and Yang,

迈向稳健的单眼深度估计：用于零镜头跨数据集传输的混合数据集 该存储库包含用于从单个图像计算深度的代码。 它伴随我们的： 迈向稳健的单眼深度估计：用于零镜头跨数据集传输的混合数据集RenéRanftl，Katrin Lasinger，David Hafner，Konrad Schindler，Vladlen Koltun MiDaS v2.1在10个数据集（ReDWeb，DIML，电影，MegaDepth，WSVD，TartanAir，HRWSI，ApolloScape，BlendedMVS，IRS）上进行了多目标优化训练。 在5个数据集（本文中的MIX 5 ）上训练过的原始模型可以在找到。 变更日志 [2020年11月]发布了MiDaS v2.1： 经过10个数据集训练的新模型，其度平均比高出 新的轻量级模型可在移动平台上实现。 适用于和示例应用程序 ，可在机器人上轻松部署 [2

深度流（FDNet）视频深度估计 这是执行文件 通过融合流向深度提案来估计视频深度 嘉信谢，李Zhuwen，， 在IROS 2020中。 有关更多详细信息，请参见我们的论文（ ）。 如有任何疑问，请联系（ ）。 先决条件 该代码库是使用Tensorflow 1.4.0和Numpy 1.16.2开发和测试的 KITTI特征分割的评估 如果要从KITTI RAW数据生成地线深度，请使用官方网站上提供的此下载KITTI数据集。 同时，我们还提供了GroundTruth Depth保存在npy文件中，可从下载 我们在KITTI Eigen上的最终结果可在 然后跑 python kitti_eval/eval_depth_general.py --kitti_dir=/path/to/raw/kitti/dataset/ or /path/to/downloaded/GoundTruth/n

EndoSLAM数据集和内窥镜视频的无监督单眼视觉测程和深度估计方法 EndoSLAM数据集概述 我们介绍了一种内窥镜SLAM数据集，该数据集既包含前体数据又包含合成数据。 数据集的离体部分包括标准和胶囊内窥镜记录。 数据集分为35个子数据集。 具体而言，分别存在结肠，小肠和胃的18、5和12个子数据集。 据作者所知，这是已发布的第一个用于胶囊内窥镜SLAM任务的数据集，具有定时6 DoF姿态数据和高精度3D地图地面真相 使用了两种不同的胶囊和传统的内窥镜相机，具有高分辨率和低分辨率，从而产生了不同的相机规格和照明条件。 来自不同相机的图像具有相同器官的不同分辨率和每个相关器官的深度，是所提出数据集的进一步独特功能。 我们还提供了两种类型的无线内窥镜的图像和姿态值，它们在某些方面彼此不同，例如相机分辨率，帧频以及用于检测Z线，十二指肠乳头和出血的诊断结果。 一些子数据集在两个版本中包

VNect-Tensorflow版本 该项目是VNect的tensorflow实现 SIGGRAPH 2017 。 这不是官方实施。 请联系论文作者以获取相关模型。 环境环境 Ubuntu 16.04 Python 2.7 Tensorflow 1.3.0 OpenCV 3.3.0 OpenGL（可选） 推理 1.下载模型，放入文件夹models/weights 2.在shell脚本中编辑演示设置--device --demo_type --model_file --test_img --plot_2d --plot_3d 3.如果使用的是OpenGL，则可以运行run_demo

A Survey on Deep Learning Techniques for Stereo-based Depth Estimation.pdf