Kaggle新单目深度估计数据集：相机不同位置、角度下录制

文章预览

Abstract 单目深度估计是自动驾驶和许多其他计算机视觉应用中的关键任务。尽管该领域取得了显著进展，但视点变化对深度估计模型的影响仍未得到充分探索。本文引入了一个新颖的数据集和评估方法，旨在量化不同相机位置和方向对单目深度估计性能的影响。我们提出了一种基于单应估计和目标检测的地面真实值策略，消除了对昂贵激光雷达传感器的需求。我们收集了来自多个视点的多样化道路场景数据集，并使用该数据集评估了现代深度估计模型对几何变化的鲁棒性。在验证我们的策略在公共数据集上的有效性后，我们提供了有关当前模型局限性的宝贵见解，并强调了视点变化对实际应用的影响。 数据集地址 ：kaggle.com/datasets/aurelpjetri/viewpointdepth  欢迎加入自动驾驶实战群 Introduction 环境深度估计是感知中的一个基本任务，众所周知，这类任 ………………………………