FoVA-Depth：面向跨数据集泛化的视场无关深度估计

宽视场（FoV）相机能高效捕获场景的大部分区域，这使其在汽车和机器人等多个领域具有吸引力。对于此类应用，从多幅图像中估计深度是一项关键任务，因此存在大量真值（GT）数据。然而，大多数真值数据是针对针孔相机的，这使得无法为宽视场相机正确训练深度估计模型。我们提出了首个方法，能够在广泛可用的针孔数据上训练立体深度估计模型，并将其泛化到用更大视场捕获的数据上。我们的直觉很简单：我们将训练数据扭曲到一个规范的、大视场表示，并对其进行增强，以使单个网络能够推理出各种类型的畸变，否则这些畸变会阻碍泛化。我们在室内和室外数据集上展示了我们方法强大的泛化能力，这是以往方法无法实现的。