摘要

迄今为止，深度估计的研究主要集中在投影图像上，而忽略了越来越多且更易生成的360度内容。我们发现，基于传统图像训练的单目深度估计模型在全景图像上的表现并不理想，这表明需要直接在360度数据集上进行训练，然而这类数据集却难以获取。在本研究中，我们通过重新利用最近发布的大型3D数据集并将其通过渲染转换为360度图像，从而规避了获取高质量360度数据集及其真实深度注释所带来的挑战。该数据集的规模远大于类似的投影数据集，并已向社区公开提供，以促进未来在此方向上的研究。我们利用该数据集以端到端的方式学习从360度图像中进行深度估计的任务。我们在合成数据以及未见过的真实图像中展示了令人鼓舞的结果。