摘要

地平线线是多种图像理解任务中重要的上下文属性。因此，已有大量方法被提出，旨在从单张图像中估计地平线的位置。然而，这些方法通常依赖图像中包含特定的视觉线索，例如消失点、共面圆以及规则纹理等，从而限制了其在真实场景中的适用性。为此，我们提出一个大规模、高度真实的评估数据集——野外地平线数据集（Horizon Lines in the Wild, HLW），该数据集包含带有地平线标注的自然图像。基于此数据集，我们研究了卷积神经网络（CNN）在无需任何显式几何约束或其他特殊线索的情况下，直接估计地平线线的能力。大量实验表明，无论是单独使用我们的CNN模型，还是将其与先前的几何方法相结合，均在具有挑战性的HLW数据集以及两个现有基准数据集上取得了当前最优的性能。