研究人员发现，在常用于训练视差估计模型的路径追踪合成立体数据中，存在一种先前未被认识到的特性。尽管不同摄像机视图的噪声流是独立的，但在通过地面真实视差对齐后，底层方差场高度相关。这种在大量场景和渲染样本数量中观察到的相关性，在朗伯体区域比在玻璃区域更强。一项破坏这种跨视图对齐的干预措施会显著降低性能指标，表明这种结构充当了匹配线索，并可能成为训练数据中的模拟到真实（sim-to-real）捷径。 AI
影响 识别出合成训练数据中潜在的模拟到真实（sim-to-real）捷径，这可能会影响为视差估计训练的AI模型的性能。
排序理由 详细介绍合成数据特性的新发现的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- GT cost margin
- Lambertian regions
- Mitsuba 3
- Monte Carlo
- Path-Traced Stereo
- Pearson product-moment correlation coefficient
- residual-shuffle
- variance fields
- winner-take-all accuracy
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
