专栏首页arxiv.org翻译专栏季节深度:多环境下的跨季节单目深度预测数据集和基准(CS CV)
原创

季节深度:多环境下的跨季节单目深度预测数据集和基准(CS CV)

单目深度预测是近年来研究的热点,但由于缺乏真实世界的数据集和基准,在光照和季节变化等多种环境下的深度预测研究较少。在本工作中,我们从CMU视觉定位数据集通过结构和运动推导出一个新的跨季节无标度单目深度预测数据集季节性深度。然后我们制定了几个指标来衡量不同环境下的性能,使用最新的开源深度预测预训练模型来自KITTI数据集的基准。通过对所提出数据集的广泛的零射实验评估,我们表明长期的单目深度预测还远远没有解决,并提供了有前途的解决方案,在未来的工作中,包括基于几何或尺度不变训练。此外,多环境合成数据集和跨数据集验证有利于对真实环境方差的鲁棒性。

原文题目:SeasonDepth: Cross-Season Monocular Depth Prediction Dataset and Benchmark under Multiple Environments

原文:Monocular depth prediction has been well studied recently, while there are few works focused on the depth prediction across multiple environments, e.g. changing illumination and seasons, owing to the lack of such real-world dataset and benchmark. In this work, we derive a new cross-season scaleless monocular depth prediction dataset SeasonDepth from CMU Visual Localization dataset through structure from motion. And then we formulate several metrics to benchmark the performance under different environments using recent stateof-the-art open-source depth prediction pretrained models from KITTI benchmark. Through extensive zero-shot experimental evaluation on the proposed dataset, we show that the long-term monocular depth prediction is far from solved and provide promising solutions in the future work, including geometricbased or scale-invariant training. Moreover, multi-environment synthetic dataset and cross-dataset validataion are beneficial to the robustness to real-world environmental variance.

原文作者:Hanjiang Hu, Baoquan Yang, Weiang Shi, Zhijian Qiao, Hesheng Wang

原文地址:https://arxiv.org/abs/2011.04408

原创声明,本文系作者授权云+社区发表,未经许可,不得转载。

如有侵权,请联系 yunjia_community@tencent.com 删除。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • AOT:基于外观最优传输的身份交换用于伪造检测(CS CV)

    最近的研究表明,不同的和具有挑战性的深度伪造数据集可以提高伪造检测的性能。但是,由于目前的身份交换方法很难产生外观差异大的深度假数据集,检测算法在这种情况下可能...

    凌茜
  • 基于网格多尺度特征融合的快速目标检测(CS CV)

    尺度变化是多尺度目标检测中的一个关键问题。早期的方法通过利用图像和特征金字塔来解决这一问题,这在计算负担和固有网络结构的约束下产生了次优结果。开创性的工作还提出...

    凌茜
  • TTVOS:基于自适应模板注意模块和时间一致性丢失的轻量级视频对象分割(CS CV)

    半监督视频对象分割(semi-VOS)广泛应用于许多领域。这个任务是通过一个给定的分割掩码跟踪类无关的对象。为了做到这一点,基于光流、在线学习和记忆网络的各种方...

    凌茜
  • 4️⃣ 核酸序列特征分析(4):内含子/外显子剪切位点的识别及Spidey工具应用实例

    真核生物的基因大都为断裂基因,编码序列通常被内含子隔开。内含子和外显子边界和周围序列是前体mRNA内的有保守性的一些特殊核苷酸序列。

    Y大宽
  • Android-Animation 总结(三(ObjectAnimator))

    上一篇我们讲了ValueAnimator,今天我们讲一下ObjectAnimator,首先我在之前讲过,它继承自ValueAnimator,ValueAnima...

    android_薛之涛
  • NetDP:用于蚂蚁信用支付中的默认预测的工业规模分布式网络表示框架(CS.LG)

    蚂蚁信用支付是蚂蚁商业风险组中的消费信贷服务。与信用卡类似,贷款违约是该信贷产品的主要风险之一。因此,有效的违约预测算法是公司减少损失和增加利润的关键。但是,我...

    蔡小雪7100294
  • 迁移 GitLab 小记

    其他升级方式可以来这里看:Updating GitLab installed with the Omnibus GitLab package

    宋天伦
  • AB153x API----GPIO枚举

    心跳包
  • 当女票发来一套送命题,程序员应该怎么做?

    这个时候,我感觉到后脊梁骨一阵发凉,果不其然。正在喝水的我,差点没被噎死。发来如下题目,就是说,如果我俩越默契,答案就越相似,题目是这样的:

    小小詹同学
  • 当女票发来一套送命题,程序员应该怎么做?

    这个时候,我感觉到后脊梁骨一阵发凉,果不其然。正在喝水的我,差点没被噎死。发来如下题目,就是说,如果我俩越默契,答案就越相似,题目是这样的:

    崔庆才

扫码关注云+社区

领取腾讯云代金券