基于视点位移的单目深度估计新数据集 ViewpointDepth
计算机视觉与模式识别
2025-02-04 v3
摘要
单目深度估计是自动驾驶和许多其他计算机视觉应用中的关键任务。尽管在该领域取得了显着的进展，但视点位移对深度估计模型的影响仍在很大程度上未被探索。本文引入了一种新型数据集和评估方法，用于量化不同相机位置和姿态对单目深度估计性能的影响。我们提出了基于异方齐估计和目标检测的ground truth策略，无需昂贵的激光雷达传感器。我们收集了来自多个视点的多样化道路场景数据集，并用于评估现代深度估计模型对几何位移的鲁棒性。在在公共数据集上验证了我们策略的有效性后，我们提供了关于当前模型局限性的宝贵见解，并强调在现实应用中考虑视点变化的重要性。
引用
@article{arxiv.2409.17851,
title = {ViewpointDepth: A New Dataset for Monocular Depth Estimation Under Viewpoint Shifts},
author = {Aurel Pjetri and Stefano Caprasecca and Leonardo Taccari and Matteo Simoncini and Henrique Piñeiro Monteagudo and Wallace Walter and Douglas Coimbra de Andrade and Francesco Sambo and Andrew David Bagdanov},
journal= {arXiv preprint arXiv:2409.17851},
year = {2025}
}