笔记：单目深度估计（MDE）与深度（DC）补全 的联系和区别

于 2024-09-02 13:36:01 发布
阅读量9 收藏 2
点赞数 2
分类专栏： 从零开始的深度补全和深度估计 文章标签： 笔记 深度学习 计算机视觉 自动驾驶 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/2401_87064292/article/details/141817524
版权

笔记：单目深度估计（MDE）与深度（DC）补全 的联系和区别

在这里插入图片描述

  • 上：KITTI 图像
  • 中：单目深度估计
  • 下：深度补全

当前的评估指标（RMSE 和 MAE）可能会误导人。

混合深度或模糊深度图输出可能导致较低的 RMSE，并且在 MAE 中只会受到微弱的惩罚。

接下来，让我们仔细看看通过将深度图重新投影到3D空间中创建的点云：

在这里插入图片描述
对于典型深度网络和我们的方法，RMSE 和 MAE 指标几乎相同，但结构在深度补全中得到了明显的保留。

在这里插入图片描述

  • 橙色：行人和骑自行车的人（注意自行车的轮子）
  • 绿色：细杆子
  • 红色：即使距离很远的骑自行车的人也能合理地恢复。

深度补全的优点:

了解本专栏 订阅专栏 解锁全文 超级会员免费看
小寒学姐学AI
关注
  • 2
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
订阅专栏
单目深度估计DepthAnything C++模型部署
08-05
单目深度估计（Monocular Depth Estimation, MDE）是一项在计算机视觉领域中非常重要的技术，它旨在从单张图像中恢复出场景的三维结构。这项技术对于机器人导航、自动驾驶汽车、增强现实（AR）和虚拟现实（VR）等...
突破视觉界限：单目深度估计算法，智能无人系统的新视角
AMOVLAB(阿木实验室)
08-09 532
简单来说，单目深度估计是指通过单个摄像头获取的图像来估计场景中物体的深度信息。相较于多目深度估计方法，单目深度估计方法仅仅使用单个摄像头，仅依赖于图像的视觉信息进行每个像素点的深度推理。SpireCV是一个专为智能无人系统打造的边缘实时感知SDK，主要功能包括相机/吊舱控制、视频保存与推流、目标探测识别与跟踪、边缘数据管理迭代等。旨在为移动机器人开发者提供高性能、高可靠、接口简洁、功能丰富的视觉感知能力。点击“阅读原文"在码云上了解 SpireCV统一感知软硬件接口，提供全套技术支持。
【单目深度估计】Depth Anything: Unleashing the Power of Large-Scale Unlabeled Data
热门推荐
畅游计算机视觉的海洋
01-31 1万+
这项工作介绍了深度任何东西，这是一种用于鲁棒单目深度估计的高度实用的解决方案。在不追求新的技术模块的情况下，我们的目标是构建一个简单而强大的基础模型来处理在任何情况下的任何图像。为此，我们通过设计一个数据引擎来收集和自动注释大规模未标记数据（~62M）来扩展数据集，这显着扩大了数据覆盖率，从而能够减少泛化误差。我们研究了两种简单而有效的策略，使数据扩展变得有希望。首先，通过利用数据增强工具创建了一个更具挑战性的优化目标。它迫使模型积极寻求额外的视觉知识并获得稳健的表示。其次，开发了一种辅助监督来强制模型从预
Depth Anything——强大的单目深度估计模型
知来者逆的博客
08-03 1235
本研究引入了Depth Anything模型，该模型在稳健的单目深度估计方面展现了高度实用性。通过强调廉价且多样化的未标记图像的价值，并采用两种有效策略，即在学习未标记图像时设定更具挑战性的优化目标以及保留预训练模型的丰富语义先验，使得该模型在零样本深度估计方面表现出色。此外，该模型还可作为有望初始化下游度量深度估计和语义分割任务的有效工具。
单目深度估计---Depth Anything论文详解
qq_44799766的博客
03-30 6211
论文题目：Depth Anything: Unleashing the Power of Large-Scale—— 任何深度：释放大规模无标记数据的力量（注意论文名字，因为后续的很多工作都是在未标注数据上做的。作者认为Depth Anything是一种用于稳健单目深度估计的非常实用的解决方案。在不追求新颖的技术模块的情况下，作者目标建立一个简单而强大的基础模型（而且是Zero-shot）。为此，作者通过设计一个数据引擎来收集并自动标注大规模未标记数据（∼62M），从而扩大数据覆盖范围，来能够减少泛化误差。
面向单目深度估计的可解释深度网络
labs.com国立交通大学walon@cs.nctu.edu.tw李冠斌*中山大学liguanbin@mail.sysu.edu.cn摘要用于单目深度估计（MDE）的深度网络最近取得了令人鼓舞的性能，并且进一步理解这些网络的可解释性是非常重要的。...
位移场驱动的单目深度估计方法的改进及其在遮挡边界定位中的应用
IMA GINE，Ecole des Ponts，Uni v Gustav e Eif fel，CNRS，Marne-la-Valle´ e France{first.lastname}@ enpc.frhttps://michaelramamonjisoa.github.io/projects/DisplacementFields摘要用于从单色图像进行深度图...
基于几何感知的对称域自适应单目深度估计
97880基于几何感知的对称域自适应单目深度估计0赵珊珊1 傅欢1 龚明明2，3 陶大成101UBTECH悉尼人工智能中心，悉尼大学计算机科学学院，澳大利亚悉尼达令顿2008，2 匹兹堡大学生物医学信息学系，3卡内基梅隆大学...
使用跳跃注意力进行单目深度预测的特征融合方法
58610到处都是注意力：使用跳跃注意力进行单目深度预测0Ashutosh Agarwal Chetan Arora印度德里理工学院0摘要0单目深度估计（MDE）旨在根据单个RGB图像预测逐像素的深度。对于卷积模型和最近的基于注意力的模型，...
【学习笔记】卫星通信NTN 3GPP标准化进展分析（六）- 参考标准
最新发布
u011376987的博客
09-01 568
本文总结了NTN标准化进程以及后续的研究计划，是学习NTN协议的入门。本文来自3GPP Joern Krause, 3GPP MCC。
软件测试学习笔记丨Pytest配置文件
ceshiren_com的博客
08-27 4284
pytest.ini是pytest的配置文件；可以修改pytest的默认行为；不能使用任何中文符号，包括汉字、空格、引号、冒号等。
12306项目学习笔记（框架篇Base）
qq_74851649的博客
08-30 681
首先学习的是基础框架提供了一种静态方式来访问Spring容器中的Bean，适用于某些特定场景，如工具类和框架集成。在12306项目中由于我们引入了RocketMQ消息队列，这些库的对象通常不是Spring管理的，无法直接使用@Autowired注入，所以需要类提供一种静态方式来访问Spring容器中的Bean。比如在我们的TicketServiceImpl中的bean对象就是用以下方法获取的。
MATLAB学习笔记3
probably121的博客
08-28 881
例如，通过[X, Y] = meshgrid(x, y);函数返回值：函数可以返回多个输出参数，例如 function [sum, product] = calculate(x, y)，sum=x+y;匿名函数和内联函数：匿名函数使用@(args) expression的形式，内联函数使用inline('string')的形式，它们适用于简单的、单行的函数定义。多图绘制：subplot函数允许在一个窗口内分区域绘制多个图，如 subplot(2, 2, 1) 会在2x2的图形布局的第1个位置绘制图形。
【项目】云备份系统笔记
m0_73713491的博客
08-27 1090
就包含一个类，config，是读取配置文件的类，因为配置文件只有一份，所以可以采用单例模式，把config类的构造函数私有化，只能通过一个公共成员函数getinstance（）来创建对象（new config（）），在类的内部可以调用私有化构造函数，构造函数里面再调用读取配置文件的函数，用自己实现的工具类读取配置文件，将读到的内容放到一个字符串中，然后再将字符串用Json进行序列化，然后给类中的成员变量进行赋值，类中的成员变量就包含了cloud.conf里面包含的信息，一一对应。
Java基础（6）- Java代码笔记3
weixin_47062560的博客
08-30 1272
数据类型[][] 数组名 = new 数据类型[m][n]数据类型 数组名[][] = new 数据类型[m][n]数据类型[] 数组名[] = new 数据类型[m][n]m：代表二维数组长度n：代表二维数组中每个一维数组的长度。
谷粒商城实战笔记-282~283-商城业务-订单服务-提交订单的问题
epitomizelu的专栏
08-29 1092
Services Panel 是 IntelliJ IDEA 提供的一个功能模块，旨在帮助开发者更好地管理和监控应用程序中的服务组件。它位于 IDE 的右侧面板中，可以方便地访问一系列与项目相关的服务和工具。
数据结构（邓俊辉）学习笔记】串 06——KMP算法：构造next[]表
weixin_44399845的博客
08-27 817
KMP算法：构造next[]表
GB28181 SDP协议学习笔记
yjkhtddx的专栏
08-27 1095
其中第一位为历史或者实时媒体流的标识位，0为实时，1为历史；第2位到第6位取20位SIP监控域ID之中的4-8位作为域标识；第7-10位作为域内媒体流标识，是一个与当前域内产生的媒体流SSRC值后4位不重复的四位十进制整数。"v="字段表示会话描述协议的版本。本文定义的版本为0，没有次版本号。当回放或者下载时，t行值为开始时间，结束时间，采样" "分隔。"Playback"代表历史回放。"Download"代表文件下载。"Talk"代表语音对讲。"Play"代表实时点播。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

小寒学姐学AI

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值