English(EN) Leveraging Metric Depth for Relative Depth Prediction

新方法使用预训练模型预测相对深度

作者 PulseAugur 编辑部 · [2 个来源] · 2026-06-09 09:29

研究人员开发了一种新颖的方法，用于单目图像中的相对深度预测，特别是在足球场景下。他们的方法利用了大型预训练模型的零样本能力来推断度量深度，这有助于更准确的相对深度估计。该技术应用于2025 SoccerNet单目深度估计竞赛挑战，在挑战集上取得了2.68 x 10^-3的分数。 AI

影响该方法可以改进专业视觉领域的深度估计，有助于体育分析和增强现实等应用。

排序理由该集群包含一篇详细介绍特定计算机视觉任务新方法的学术论文。

AI 生成摘要 · Google Gemini · 来自 2 个来源。我们如何撰写摘要 →

报道来源 [2]

arXiv cs.CV TIER_1 English(EN) · Xiaoyang Bi, Shuaikun Liu, Zhaohong Liu, Yuxin Yang, Zhe Zhao, Mengshi Qi, Liang Liu, Huadong Ma · 2026-06-10 04:00

Leveraging Metric Depth for Relative Depth Prediction

arXiv:2606.10628v1 Announce Type: new Abstract: We present our solution to the 2025 SoccerNet Monocular Depth Estimation Competition Challenge. Predicting the relative depth in football scenarios is challenging, especially with only thousands of training samples available. To add…
arXiv cs.CV TIER_1 English(EN) · Huadong Ma · 2026-06-09 09:29

Leveraging Metric Depth for Relative Depth Prediction

We present our solution to the 2025 SoccerNet Monocular Depth Estimation Competition Challenge. Predicting the relative depth in football scenarios is challenging, especially with only thousands of training samples available. To address this issue, our method leverages the powerf…