Stima Monoculare della Profondità con cGAN

Questo progetto esplora la stima supervisionata della profondità monoculare da immagini RGB utilizzando le Reti Avversarie Generative Condizionate (cGAN). L'obiettivo è generare mappe di profondità accurate attraverso l'apprendimento avversario, addestrando sia un generatore che un discriminatore su dataset RGB-D.

Panoramica

• Problema: La stima della profondità da una singola immagine è un compito cruciale in ambiti come la robotica, la realtà aumentata e la modellazione 3D.
• Approccio: Utilizzo delle cGAN per generare mappe di profondità di alta qualità.
  • Generatore: Architettura U-Net per una stima grezza della profondità, affinata da una rete di refinement.
  • Discriminatore: Rete convoluzionale per distinguere mappe di profondità reali da quelle generate.

Caratteristiche Principali

• U-Net come Generatore: Cattura efficacemente le informazioni posizionali con connessioni skip.
• Processo di Addestramento:
  1. Addestramento della U-Net (Global Net) con una funzione di perdita L1.
  2. Pre-addestramento della Refinement Net per ottimizzare i residui.
  3. Addestramento avversario tra Refinement Net e Discriminatore.
• Funzioni di Perdita:
  • Perdita di ricostruzione (L1).
  • Perdita avversaria (Binary Cross-Entropy).
• Ottimizzazione: Uso misto di ottimizzatori SGD e Adam per i vari componenti della rete.

Lavori Futuri

• Esplorare meccanismi di scheduling del learning rate per migliorare la stabilità dell'addestramento.
• Sperimentare con immagini di dimensioni maggiori per una migliore generalizzazione.

Riferimenti

Principali riferimenti utilizzati nel progetto:

1. Panoramica sulla Stima Monoculare della Profondità
2. Reti Avversarie Condizionate per la Predizione della Profondità
3. U-Net per la Segmentazione delle Immagini