Unsupervised Learning of Depth and Ego-Motion from Video
这篇文章对我来说说是这篇文章的前置
这篇文章解决的问题也是输入视频，输出深度与相机运动的估计
主pipeline
使用相邻三张图，将当前输入到Depth CNN输出深度图，将相邻的共三张图输入到pose CNN(CNN直接输出六自由度运动)中输出前后两个相对pose，在已知当前图的深度以及运动，将当前图转换到前后时刻的图片上(使用bilinear intepolation进行可导的转换)
本文还有更多内容如(Explainability mask)，此处讨论到此为止。