Pano3D：面向 $360^o$ 深度估计的整体基准与稳健基线
计算机视觉与模式识别
2021-09-08 v1 机器学习
摘要
Pano3D 是一个用于从球面全景图进行深度估计的新基准。它旨在评估所有深度估计特性的表现，主要直接深度估计性能针对精度与准确度，以及次要特性边界保持与平滑度。此外，Pano3D 超越了典型的 intra-dataset 评估，转向 inter-dataset 性能评估。通过将泛化到未见过数据的能力分解为不同的测试划分，Pano3D 代表了用于 深度估计的整体基准。我们以其为基础进行扩展分析，试图对深度估计的经典选择提供见解。这产生了一个稳健的全景深度基线，后续工作可在此基础上构建以引导未来的进展。
引用
@article{arxiv.2109.02749,
title = {Pano3D: A Holistic Benchmark and a Solid Baseline for $360^o$ Depth Estimation},
author = {Georgios Albanis and Nikolaos Zioulis and Petros Drakoulis and Vasileios Gkitsas and Vladimiros Sterzentsenko and Federico Alvarez and Dimitrios Zarpalas and Petros Daras},
journal= {arXiv preprint arXiv:2109.02749},
year = {2021}
}
备注
Presented at the OmniCV CVPR 2021 workshop. Code, models, data and demo at https://vcl3d.github.io/Pano3D/