PulseAugur
中
实时 09:15:04
English(EN) RePer-360: Releasing Perspective Priors for 360$^\circ$ Depth Estimation via Self-Modulation

新框架使深度模型适应 360 度图像

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了 RePer-360，一个旨在使现有深度基础模型适应 360 度图像深度估计的新颖框架。该方法通过采用一种失真感知自调制技术，解决了在标准透视图像上训练的模型对全景视图泛化能力差的问题。RePer-360 利用一个轻量级引导模块和一个自条件 AdaLN-Zero 机制，将模型引导至全景域，同时保留其原始透视知识，显著减少了对大量全景训练数据的需求。 AI

影响 这项研究可以提高 360 度图像深度估计的准确性和效率，影响虚拟现实和自主导航等应用。

排序理由 这是一篇详细介绍深度估计新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新框架使深度模型适应 360 度图像

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Cheng Guan, Chunyu Lin, Zhijie Shen, Junsong Zhang, Jiyuan Wang ·

    RePer-360：通过自调制发布 360° 深度估计的视角先验

    arXiv:2603.05999v2 Announce Type: replace Abstract: Recent depth foundation models trained on perspective imagery achieve strong performance, yet generalize poorly to 360$^\circ$ images due to the substantial geometric discrepancy between perspective and panoramic domains. Moreov…

相关实体

相关话题