MCTED：一个面向机器学习就绪的火星影像数字高程模型生成数据集

本工作提出了一种面向机器学习就绪的火星数字高程模型预测任务数据集——MCTED。该数据集通过一个综合处理流水线生成，用于处理Day等人提供的高分辨率火星正射影像与DEM配对数据，生成包含80,898个数据样本的数据集。源图像来自火星侦察轨道器上的CTX仪器，提供了对火星表面非常多样和全面的覆盖。考虑到大规模DEM中使用的处理流水线的复杂性，原始数据中常存在伪影和缺失数据点，为此我们开发了相应的工具来解决或缓解其影响。我们将处理后的样本划分为训练集和验证集，确保两个划分中的样本不覆盖相互重叠的区域以避免数据泄露。数据集中的每个样本由光学影像块、DEM块和两个掩码块表示，分别指示原始缺失或被我们修改的值。这使得该数据集的未来用户可以按需处理被修改的高程区域。我们提供了所生成数据集的统计洞察，包括样本的空间分布、高程值分布、坡度分布等。最后，我们在MCTED数据集上训练了一个小型U-Net架构，并将其在地形预测任务上的性能与单目深度估计基础模型DepthAnythingV2进行了比较。我们发现，即使是在该数据集上专门训练的一个非常小的架构，也能击败像DepthAnythingV2这样的深度估计基础模型的零样本性能。我们将数据集及其生成代码完全开源，托管在公共代码仓库中。