4 个月前

施加虚拟法线的几何约束以预测深度

施加虚拟法线的几何约束以预测深度

摘要

单目深度预测在理解三维场景几何中发挥着关键作用。尽管最近的方法在像素级相对误差等评估指标上取得了显著进展,但大多数方法忽略了三维空间中的几何约束。在这项工作中,我们展示了高阶三维几何约束对深度预测的重要性。通过设计一个损失项来强制执行一种简单的几何约束,即由重建三维空间中随机采样的三个点确定的虚拟法线方向,我们可以显著提高深度预测的准确性。尤为重要的是,这种预测深度足够准确的结果使得我们现在能够直接从深度恢复出良好的三维结构,如点云和表面法线(surface normal),从而消除了之前需要训练新子模型的必要性。我们在两个基准数据集NYU Depth-V2和KITTI上的实验验证了我们方法的有效性和先进性能。

代码仓库

aim-uofa/AdelaiDepth
pytorch
GitHub 中提及
aim-uofa/depth
pytorch
GitHub 中提及

基准测试

基准方法指标
depth-estimation-on-nyu-depth-v2VNL
RMS: 0.416
monocular-depth-estimation-on-kitti-eigenVNL
absolute relative error: 0.072
monocular-depth-estimation-on-nyu-depth-v2VNL
Delta u003c 1.25: 0.875
Delta u003c 1.25^2: 0.976
Delta u003c 1.25^3: 0.989
RMSE: 0.416
absolute relative error: 0.111
log 10: 0.048

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
施加虚拟法线的几何约束以预测深度 | 论文 | HyperAI超神经