无感知深度估计新路径：利用大型预训练模型征服野外场景 !

文章预览

ADAS  Laboratory 点击上方 蓝字 关注  智驾实验室           加入【 智驾实验室 】交流群， 获取更多内容和资料 无感知深度估计的目标是在场景中预测被遮挡（不可见）物体部分的深度。这项任务关注的是模型能否基于可见线索有效地感知遮挡区域的几何结构。先前的方法主要依赖合成数据集，并专注于度量深度估计，由于领域转移和可扩展性的挑战限制了它们在现实世界设置中的泛化能力。在本文中，作者提出了一种新的野外无感知深度估计公式，侧重于相对深度预测以提高模型在多样自然图像中的泛化能力。 作者引入了一个大规模的新数据集AmodalDepthIntheWild (ADIW)，该数据集采用一个可扩展的 Pipeline 创建，利用分割数据集和合成技术。深度图通过大型预训练深度模型生成，并采用尺度和平移对齐策略来细化和融合深度预测，确保标注一致性。 ………………………………