Depth estimation/stereo matching/optical flow @CVPR 2017
Unsupervised Learning of Depth and Ego-Motion from Video
https://people.eecs.berkeley.edu/%7Etinghuiz/projects/SfMLearner/
http://blog.csdn.net/lemianli/article/details/53184813
2 － deep learning在计算机视觉各个子领域的应用
Depth Estimation, Normal Estimation (深度、法向量 估计）
depth和normal
estimation问题，如果在有 stereo image pair
的情况下并不困难。但是否能从单张影像估计出 depth 或者 normal 呢？在有大量的 training data 和一些
constraints 下（比如vanishing points, orthogonal surfaces...)，也是可行的。 2014年
Rob Fergus 的学生，就把 depth 和 normal estimation 看作一个 regression
问题，然后使用强大的高度非线性 regressor (CNN) 来做 end-to-end 的 training, 也就是从
image 到 depth normal 的 training (参考原文： Depth map prediction from a
single image using a multi-scale deep network)。文中使用了 multi-scale deep
network，coarse scale 能根据整个场景得到全局的depth map，这个 overall depth map
和原始的影像，一起 feed 到 fine scale 的CNN 中。总之，使用了deep architecture
后，depth normal estimation 就是个简单的 regression 问题了，而且数据越多越好。今年的 CVPR，CMU
的教授 Abhinav Gupta 组也做了从单张影像估计 normal 的工作。他们的大致思想一致，只是把 normal estimation
离散化了，变成了一个 classification 问题。同样，文章中使用了两个 deep nets: coarse & fine
(原文：Designing Deep Networks for Surface Normal
Estimation)。