深度洞察——不同特征对室内单图像深度估计的贡献
计算机视觉与模式识别
2023-11-17 v1
摘要
从单幅图像进行深度估计是计算机视觉中一个具有挑战性的问题，因为缺乏双目视差或运动信息。尽管近期使用端到端训练的深度神经架构在该领域取得了令人印象深刻的性能，但这些黑盒系统所利用的图像线索难以获知。为此，本工作利用室内场景数据集，量化了单目深度估计设定下已知深度线索的相对贡献。我们的工作使用特征提取技术，将形状、纹理、颜色和饱和度等单一特征孤立地关联以预测深度。我们发现，在所考虑的室内设定中，通过边缘检测提取的物体形状的贡献远大于其他特征，而其他特征也有不同程度的贡献。这些洞察将有助于优化深度估计模型，提升其准确性与鲁棒性。它们有望拓宽基于视觉的深度估计的实际应用。项目代码已附在补充材料中，并将发布于 GitHub。
引用
@article{arxiv.2311.10042,
title = {Depth Insight -- Contribution of Different Features to Indoor Single-image Depth Estimation},
author = {Yihong Wu and Yuwen Heng and Mahesan Niranjan and Hansung Kim},
journal= {arXiv preprint arXiv:2311.10042},
year = {2023}
}