17 天前

基于逆gnomonic投影的深度学习消逝点检测

基于逆gnomonic投影的深度学习消逝点检测

摘要

我们提出了一种从未校准的单目图像中检测消失点的新方法。与现有先进方法不同,本方法不对所观测场景做出任何先验假设。我们的方法基于一种卷积神经网络(CNN),该网络不使用自然图像,而是采用由图像中检测到的直线经过逆墨卡托投影生成的高斯球面表示。这一设计使得我们能够利用合成数据进行训练,从而无需依赖标注图像。该方法在三个地平线估计基准数据集上均取得了具有竞争力的性能表现。此外,我们还进一步阐述了该消失点检测算法在若干其他应用场景中的潜在用途。

基准测试

基准方法指标
horizon-line-estimation-on-eurasian-citiesDL-IGP
AUC (horizon error): 86.26
horizon-line-estimation-on-horizon-lines-inDL-IGP
AUC (horizon error): 57.31
horizon-line-estimation-on-york-urban-datasetDL-IGP
AUC (horizon error): 94.27

用 AI 构建 AI

从想法到上线——通过免费 AI 协同编程、开箱即用的环境和市场最优价格的 GPU 加速您的 AI 开发

AI 协同编程
即用型 GPU
最优价格
立即开始

Hyper Newsletters

订阅我们的最新资讯
我们会在北京时间 每周一的上午九点 向您的邮箱投递本周内的最新更新
邮件发送服务由 MailChimp 提供
基于逆gnomonic投影的深度学习消逝点检测 | 论文 | HyperAI超神经