500帧/秒 ！SmallDepth 基于稀疏性的高效场景深度预测模型，性能SOTA ！

文章预览

ADAS  Laboratory 点击上方 蓝字 关注  智驾实验室           加入【 智驾实验室 】交流群， 获取更多内容和资料 大多数现有方法通常依赖于复杂的模型来高精度地预测场景深度，这导致推理速度缓慢，不利于部署。为了更好地平衡精度和速度，作者首先基于稀疏性设计了SmallDepth。 其次，在推理时复杂度相同的情况下，为了增强SmallDepth在训练过程中的特征表示能力，作者提出了一个等价变换模块（ETM）。 第三，为了在固定SmallDepth的情况下提高每一层感知不同上下文信息的能力，并提高SmallDepth对左右方向和光照变化的鲁棒性，作者提出了金字塔损失。 第四，为了进一步提高SmallDepth的准确性，作者使用了所提出的函数近似损失（APX）将之前通过优化HQDec以解决某些区域网格伪影而得到的预训练HQDecv2的知识转移到SmallDepth中。 广泛的实验表明，每个 ………………………………