DINO-SD：ICRA 2024 RoboDepth挑战赛冠军方案
计算机视觉与模式识别
2024-05-28 v1 机器人学
摘要
环视深度估计是一项关键任务，旨在获取周围视图的深度图。它在自动驾驶、AR/VR和3D重建等现实场景中有许多应用。然而，由于自动驾驶数据集中的大部分数据是在白天场景下收集的，这导致深度模型在面对分布外(OoD)数据时性能不佳。虽然一些工作试图提高深度模型在OoD数据下的鲁棒性，但这些方法要么需要额外的训练数据，要么缺乏泛化能力。在本报告中，我们介绍了DINO-SD，一种新颖的环视深度估计模型。我们的DINO-SD不需要额外数据，并且具有很强的鲁棒性。我们的DINO-SD在ICRA 2024 RoboDepth挑战赛的赛道4中取得了最佳性能。
引用
@article{arxiv.2405.17102,
title = {DINO-SD: Champion Solution for ICRA 2024 RoboDepth Challenge},
author = {Yifan Mao and Ming Li and Jian Liu and Jiayang Liu and Zihan Qin and Chunxi Chu and Jialei Xu and Wenbo Zhao and Junjun Jiang and Xianming Liu},
journal= {arXiv preprint arXiv:2405.17102},
year = {2024}
}
备注
Outstanding Champion in the RoboDepth Challenge (ICRA24) https://robodrive-24.github.io/