Path-Traced Stereo

合成立体数据包含隐藏相关性，影响AI训练

研究人员发现，在常用于训练视差估计模型的路径追踪合成立体数据中，存在一种先前未被认识到的特性。尽管不同摄像机视图的噪声流是独立的，但在通过地面真实视差对齐后，底层方差场高度相关。这种在大量场景和渲染样本数量中观察到的相关性，在朗伯体区域比在玻璃区域更强。一项破坏这种跨视图对齐的干预措施会显著降低性能指标，表明这种结构充当了匹配线索，并可能成为训练数据中的模拟到真实（sim-to-real）捷径。