PulseAugur
中
实时 13:56:05
English(EN) Sphere-Depth: A Benchmark for Depth Estimation Methods with Varying Spherical Camera Orientations

Sphere-Depth 基准测试评估球形相机的单目深度估计

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出了 Sphere-Depth，这是一个新的基准测试，旨在评估单目深度估计模型应用于球形图像时的性能。该基准测试专门解决了由无意中的相机姿态变化以及 360° 视觉应用中常见的等距柱状投影固有的几何失真带来的挑战。使用 Sphere-Depth 进行的实验表明，即使是为球形图像设计的模型，在相机方向改变时性能也会显著下降，这凸显了机器人导航和沉浸式场景理解领域的一个关键改进领域。 AI

影响 新的基准测试突出了 360° 视觉深度估计中的鲁棒性问题，可能指导机器人和 AR/VR 的未来模型开发。

排序理由 为评估球形图像上的深度估计方法引入了新的公共基准测试。

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 →

Sphere-Depth 基准测试评估球形相机的单目深度估计

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Soulayma Gazzeh, Giuseppe Mazzola, Liliana Lo Presti, Marco La Cascia ·

    Sphere-Depth：具有不同球形相机方向的深度估计方法的基准测试

    arXiv:2604.23432v1 Announce Type: new Abstract: Reliable depth estimation from spherical images is crucial for 360{\deg} vision in robotic navigation and immersive scene understanding. However, the onboard spherical camera can experience unintentional pose variations in real-worl…

相关实体

相关话题