Hampir 200 Derajat Pandangan: Menguji Model Estimasi Kedalaman SOTA pada Gambar Mata Ikan
Para peneliti dari hub ML Habr menciptakan WideDepth, sebuah benchmark untuk mengevaluasi model estimasi kedalaman pada gambar mata ikan. Menguji 14 model canggih mengungkapkan bahwa model monokuler sangat sensitif terhadap bidang pandang ultra lebar, dengan kesalahan meningkat lebih dari 160% saat berpindah dari 120° ke 195°. Benchmark ini memungkinkan perbandingan terkontrol model di berbagai FOV, baseline stereo, dan orientasi kamera.
Benchmark WideDepth dibuat untuk mengevaluasi model estimasi kedalaman pada gambar fisheye, menjawab kurangnya dataset fisheye indoor nyata yang sesuai. Benchmark ini didasarkan pada 101 pemandangan kantor yang ditangkap dengan pemindai laser terestrial, menyediakan ground truth kedalaman dengan akurasi milimeter, dan menawarkan gambar dengan bidang pandang horizontal (FOV) 120°, 140°, 165°, dan 195°, baseline stereo dari 20 hingga 300 mm, serta orientasi kamera horizontal dan vertikal. Pengujian pada 14 model SOTA menunjukkan bahwa model monokular seperti Depth Anything V2 dan PatchFusion mengalami peningkatan kesalahan AbsRel masing-masing sebesar 166% dan 160% ketika FOV meningkat dari 120° menjadi 195°, sementara Depth Pro lebih tangguh dengan hanya peningkatan 9%. Untuk pencocokan stereo, proyeksi ekuirektangular terbukti jauh lebih baik daripada cubemap, mengurangi kesalahan EPE dari 4,50 menjadi 1,07 piksel. Penyetelan halus model BGNet yang ringkas pada data fisheye meningkatkan persentase piksel dengan kesalahan disparitas di atas 3 piksel dari 24,3% menjadi 9,3%, peningkatan sebesar 62%. Benchmark ini juga mencakup set pelatihan berisi 18.000 pasangan stereo luar ruangan yang ditangkap dengan sensor genggam untuk menguji adaptasi model ke domain fisheye.
Sumber: Habr — хаб ML —
asli