基于程序化场景扰动评估单目深度估计的鲁棒性
计算机视觉与模式识别
2025-07-04 v2
摘要
近年来，单目深度估计取得了显著进展，尤其在大型模型在标准基准测试上的表现令人瞩目。然而，标准基准测试上的表现并不提供完整的评估，因为大多数测试只衡量准确性，而不衡量鲁棒性。本文引入了 PDE（Procedural Depth Evaluation），一个新的基准测试，旨在系统性地评估鲁棒性。PDE 使用程序化生成技术创建 3D 场景，以测试对各种受控扰动的鲁棒性，包括物体、相机、材料和灯光变化。我们的分析得出了关于哪些扰动对最先进深度模型具有挑战性的有趣发现，希望能为进一步的研究提供启发。代码和数据已在 https://github.com/princeton-vl/proc-depth-eval 上提供。
引用
@article{arxiv.2507.00981,
title = {Evaluating Robustness of Monocular Depth Estimation with Procedural Scene Perturbations},
author = {Jack Nugent and Siyang Wu and Zeyu Ma and Beining Han and Meenal Parakh and Abhishek Joshi and Lingjie Mei and Alexander Raistrick and Xinyuan Li and Jia Deng},
journal= {arXiv preprint arXiv:2507.00981},
year = {2025}
}
备注
Fixing display of figure on Safari browsers