연구팀은 자가 지도 단안 심도 추정에서 포즈 네트워크의 중요성을 강조하며 SA4Depth를 제안했어요. SA4Depth는 심도 추정 시 발생하는 스케일 불일치 문제를 해결하여 심도 예측 정확도를 향상시킵니다. 이 방법은 훈련 과정에서 추정된 심도를 활용하여 시각적 특징을 프레임 간에 투영하고, 특징 정렬 잔차를 줄여 포즈 추정치를 개선합니다.
SA4Depth는 기존 자가 지도 파이프라인에 통합되어 실행 시간에 영향을 주지 않으면서 심도 추정 성능을 크게 향상시킵니다. KITTI, Cityscapes, NYUv2 데이터셋에서 실외 및 실내 실험을 통해 효과를 입증했습니다.
KITTI Odometry 결과는 포즈 정제의 효과를 확인시켜줍니다. SA4Depth 코드는 GitHub에서 공개됐어요.