没有深度信息，那就学习一个新视角！CVPR24新作：一种新的自监督深度估计方法

文章预览

🫱点这里加入18个细分方向交流群（🔥巨推荐）🫲 论文标题： Do More With What You Have: Transferring Depth-Scale from Labeled to Unlabeled Domains 论文作者： Alexandra Dana, Nadav Carmel, Amit Shomer, Ofer Manela, Tomer Peleg 编译：匡吉 审核： Los 导读： 本文提出了一种自监督深度估计方法，能够在拥有少量真实深度标签的任意合成或真实数据集上学习深度信息。这种方法能够实现与全域绝对深度值的有效预测，并通过一个单一标量对这种关系进行建模。 ©️【深蓝AI】编译 将估计器的绝对深度预测能力转移到新领域是一项具有重要现实应用价值的任务。如果新领域的图像是在没有真实深度测量标签的情况下采集的，而且可能使用了不同内参的传感器，那么这项任务就特别具有挑战性。为了克服这些限制，最近有人提出一种零样本解决方案，就是在通用数据集上训练深度估计 ………………………………