（通讯员 张右润）西安电子科技大学协同感知重点实验室张右润博士、公茂果教授在神经网络领域权威期刊IEEE Transactions on Neural Networks and Learning Systems上发表题为“Self-Supervised Monocular Depth Estimation with Self-Perceptual Anomaly Handling”的学术论文，此文为自监督单目深度估计在处理动态物体与病态属性的问题上提供了低成本的解决方案。

在自监督单目深度估计任务，排除动态物体的干扰一直以来是一大难点，其中与相机速度类似的移动物体更是会轻易让模型积累错误的先验知识。为了在训练时排除移动物体，许多先前方法引入了实例分割网络来辅助训练，然而这会使得模型的训练过程不符合自监督要求。某些方法利用像素级对比式掩膜来滤除动态像素，但其过滤效果并不理想。本文基于对动态物体运动规律的观测，提出一种简单有效的自投影掩膜，实现了对移动物体更加精细的滤除。

自监督单目深度估计任务还面临一特有挑战：由于单目场景缺乏像双目成像系统那样较强的几何约束，单目系统难以为指定场景提供唯一的深度图，此难题即单目深度估计任务的病态属性问题。传统有监督方法通过数据增广让不同图像指向同一深度图来缓解病态属性问题，而自监督方法由于把深度估计任务转换成了视图合成任务，缺乏了对不同增广图像的充分利用，本文提出一种简单易用的增广一致性方法以提高模型为不同成像条件下的场景的深度预测的一致性，缓解了单目深度估计任务的病态属性问题。

IEEE Transactions on Neural Networks and Learning Systems是中科院计算机科学和工程技术领域大类一区TOP期刊，致力于发表关于神经网络和相关学习系统的理论、设计和应用的技术文章。