訂閱
糾錯
加入自媒體

Holopix50k發布: 最多最豐富的雙目數據集大幅提升多個相關任務性能?

2020-04-30 09:48
將門創投
關注


針對單視圖深度估計任務,研究人員選擇了自監督方法的Monodepth2模型并與其在KITTI上訓練的結果進行了比較。下圖顯示基于Holopix訓練的結果圖像較為清晰,邊緣也得到了更好的保留,a列為KITTI上訓練的結果、b列為Holopix50k上訓練的結果。

下表展示了模型在Middlebury和MPI數據集上測試的結果,表明這一數據集同樣可以適用于道路等多種數據集不包含的場景中,讓模型可以學到具有泛化性的結果。

針對視差估計任務,研究人員基于U-Net構建了自己的模型,同時還優化后得到了較小的實時視差估計模型,利用Pix2Pix類似的架構來構建單目深度估計模型,下圖a,b,c分辨顯示了立體視差估計、實時視差估計和單目深度估計的結果。視差估計可以很好的區分出場景中的不同目標,經過優化后的模型只有約15k參數能夠部署于邊緣設備中;而針對單目深度估計則可以在沒有先驗的條件下得到可觀的深度層次結果。

這里只是簡要地列舉了一些數據集的特征和應用任務,如果想要了解更多的細節請參看數據集網站。

<上一頁  1  2  3  
聲明: 本文由入駐維科號的作者撰寫,觀點僅代表作者本人,不代表OFweek立場。如有侵權或其他問題,請聯系舉報。

發表評論

0條評論,0人參與

請輸入評論內容...

請輸入評論/評論長度6~500個字

您提交的評論過于頻繁,請輸入驗證碼繼續

暫無評論

暫無評論

    人工智能 獵頭職位 更多
    掃碼關注公眾號
    OFweek人工智能網
    獲取更多精彩內容
    文章糾錯
    x
    *文字標題:
    *糾錯內容:
    聯系郵箱:
    *驗 證 碼:

    粵公網安備 44030502002758號