Lähes 200 astetta näkökenttää: Huipputason syvyysestimointimallien testaus kalansilmäkuvilla
Habrin ML-keskuksen tutkijat loivat WideDepth-benchmarkin syvyysestimointimallien arvioimiseksi kalansilmäkuvissa. 14 huippumallin testaus paljasti, että monokulaariset mallit ovat erityisen herkkiä ultra-laajoille näkökentille, ja virheet kasvoivat yli 160% siirryttäessä 120°:sta 195°:seen. Benchmark mahdollistaa mallien kontrolloidun vertailun eri näkökenttien, stereopohjien ja kameran suuntien välillä.
WideDepth-vertailuaineisto luotiin arvioimaan syvyysestimaatiomalleja kalansilmäkuville, mikä vastaa sopivien todellisten sisätilojen kalansilmäaineistojen puutteeseen. Se perustuu 101 toimistokohtaukseen, jotka on kuvattu maalaserkeilaimella, tarjoten pohjatotuussyvyyden millimetritarkkuudella, ja se tarjoaa kuvia, joiden vaakasuora näkökenttä on 120°, 140°, 165° ja 195°, stereopohjat 20–300 mm sekä vaakasuoran että pystysuoran kameran suuntauksen. Testit 14 huippumallilla osoittivat, että yksisilmäiset mallit, kuten Depth Anything V2 ja PatchFusion, kokevat AbsRel-virheen kasvun 166 % ja 160 %, kun näkökenttä kasvaa 120°:sta 195°:een, kun taas Depth Pro on vakaampi vain 9 %:n kasvulla. Stereosovituksessa ekvirektangulaarinen projektio osoittautui huomattavasti kuutiokarttaa paremmaksi, vähentäen EPE-virheen 4,50 pikselistä 1,07 pikseliin. Kompaktin BGNet-mallin hienosäätö kalansilmäaineistolla paransi niiden pikselien osuutta, joiden disparity-virhe on yli 3 pikseliä, 24,3 %:sta 9,3 %:iin, mikä on 62 %:n parannus. Vertailuaineisto sisältää myös 18 000 ulkokuvan stereoparin harjoitusaineiston, joka on kuvattu kädessä pidettävillä antureilla, testaamaan mallien sopeutumista kalansilmäalueeseen.
Lähde: Habr — хаб ML —
Alkuperäinen