为深度而玩
计算机视觉与模式识别
2018-10-16 v1
摘要
估计场景的相对深度是理解所描绘风景的总体结构、场景中实体间的关系及其交互的重要一步。当面临在无立体图像情况下估计深度的任务时，我们依赖于大规模深度数据集和高容量模型的可用性以捕捉深度的内在本质。不幸的是，创建深度图像数据集并非易事，因为对相机的要求主要限制了我们只能在有条件提供相机工作必需环境的区域进行。在本工作中，我们提出了一种以简单且可复现的方式从电子游戏中捕获的新深度数据集。开放世界电子游戏的性质使我们能够在野外捕获高质量深度图，而不受立体相机的限制。在该数据集上的实验表明，使用此类合成数据集提高了单目深度估计在野外的精度，而其他方法通常无法泛化。
引用
@article{arxiv.1810.06268,
title = {Playing for Depth},
author = {Mohammad Mahdi Haji-Esmaeili and Gholamali Montazer},
journal= {arXiv preprint arXiv:1810.06268},
year = {2018}
}