研究人员开发了一种名为FOSSA的新型Transformer架构，用于从焦点堆栈估计密集度量深度图，即从离焦估计深度（DfD）。该新模型强调零样本泛化，旨在在未见过的、没有特定过拟合的数据集上表现良好。为此，创建了一个名为ZEDD的新基准，其场景数量和数据质量均显著高于以前的基准。FOSSA架构包含一个具有焦点距离嵌入的堆栈注意力层，用于高效的跨堆栈信息交换，实验表明，在ZEDD基准上，其错误率降低了高达55.7%。 AI
影响 引入了一种新颖的深度估计架构和基准，有可能改善计算机视觉应用中的场景理解。
排序理由 这是一篇详细介绍计算机视觉任务新模型架构和基准的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
