NYU-Depth V2
PulseAugur coverage of NYU-Depth V2 — every cluster mentioning NYU-Depth V2 across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新数据集和轻量级模型推动单目深度估计发展
研究人员正在开发用于单目深度估计的新方法和数据集，这项技术对于增强现实和虚拟现实等应用至关重要。新的数据集（如MODEST）正在被创建，以提供高分辨率的真实世界图像，捕捉复杂的视觉效果，从而解决当前训练数据的局限性。同时，在轻量级神经网络架构和专为资源受限设备设计的主动学习框架方面也取得了进展，旨在提高在动态环境中的适应性和性能。
-
新的条件丢弃方法提高了RGB-D分割的鲁棒性
研究人员开发了一种名为条件丢弃（Condition Dropout, ConD）的新方法，以提高RGB-D语义分割模型的鲁棒性。这些模型通常需要RGB和深度数据，但实际的传感器故障可能导致其中一种模态缺失。ConD通过在持续训练阶段模拟缺失模态来解决这个问题，这有助于模型在两种模态都存在时更好地利用剩余数据，而不会牺牲性能。在NYU-Depth V2和SUN RGB-D数据集上的实验表明，ConD提高了鲁棒性，甚至在完整模态场景下略微…
-
新的UniM2框架实现了无监督多模态语义分割
研究人员推出了一种新颖的无监督多模态语义分割（UMSS）框架UniM2。该方法旨在有效利用互补的传感器信息，而无需任何标注数据。UniM2基于DINOv3模型，并引入了跨模态协调器（Cross Modal Harmonizer）来使用RGB作为参考，从而缓解了模态间的冲突并指导了结构化特征的利用。在NYU Depth v2和MFNet数据集上的实验显示，平均交并比（mIoU）有了显著提升，分别提高了6.4%和9.8%。
-
新研究发现：视觉模型无法验证物理因果关系
一篇题为《几何崩溃：视觉模型何时无法验证物理因果关系》的新研究论文介绍了一种受控的反事实方法，称为 Scrambled Edges。该方法将类似边缘的线索注入视觉数据，同时违反物理合理性，例如表面连续性和遮挡顺序。在 NYU Depth v2 和 KITTI 等数据集上，对包括 CNN 和 ViT 在内的各种深度预测器进行的实验表明，与噪声相比，Scrambled Edges 导致与干净预测的偏差显著更大。研究表明，当前的密集预测器难…
-
视觉 Transformer 学会反映灵长类视觉皮层的空间层级
研究人员调查了视觉 Transformer (ViTs) 在预训练期间如何在没有明确空间监督的情况下编码空间信息。通过探测 ViT-B/16 模型，他们发现边界结构可以在第 5-6 层解码，而需要更多全局线索的深度信息则在之后两到三层才可解码。ViT 中这种学习到的空间层级反映了在灵长类视觉皮层中观察到的进程。
-
通过具有可学习代数群和环结构的神经网络进行单目深度估计
研究人员开发了LAGRNet，这是一个用于单目深度估计的新框架，它融入了代数几何原理。与先前将深度估计视为通用回归问题的先前方法不同，LAGRNet明确地将可学习的群、环和层结构嵌入其深度学习流程中。这种方法旨在强制执行投影等变性并确保全局拓扑一致性，从而在KITTI和NYU-Depth V2等基准测试中提高准确性和泛化能力。