从2D到3D：重新思考单目深度预测的基准测试
计算机视觉与模式识别
2022-03-16 v1
摘要
近来涌现出众多单目深度预测(MDP)方法，基准测试工具也同样快速演进。然而，我们认为MDP当前正面临基准过拟合，且依赖仅部分有助于衡量预测对3D应用有用性的指标。这限制了真正感知并改进估计场景3D结构、而非优化基于2D的距离的新方法的设计与开发。在本工作中，我们旨在通过揭示评估指标在评估3D几何质量方面的局限，将结构感知引入这一固有的3D任务MDP。我们提出了一组适于评估MDP方法3D几何的指标，以及一项对所述评估方法至关重要的新型室内基准RIO-D3D。我们的基准基于真实世界数据集，具有从RGB-D重建获得的高质量渲染深度图。我们进一步证明这有助于基准测试紧密相关的3D场景补全任务。
引用
@article{arxiv.2203.08122,
title = {From 2D to 3D: Re-thinking Benchmarking of Monocular Depth Prediction},
author = {Evin Pınar Örnek and Shristi Mudgal and Johanna Wald and Yida Wang and Nassir Navab and Federico Tombari},
journal= {arXiv preprint arXiv:2203.08122},
year = {2022}
}