实体
Weather-Conditioned Depth Anything
Weather-Conditioned Depth Anything
PulseAugur coverage of Weather-Conditioned Depth Anything — every cluster mentioning Weather-Conditioned Depth Anything across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
MaSS框架通过结构区分增强自监督深度学习
研究人员开发了MaSS框架，以改进自监督单目深度估计，这是一种使用未标记数据来学习场景几何的技术。现有方法由于模型编码特定于数据集的偏差而不是可转移的几何信息，在处理多样化数据集时遇到困难。MaSS通过将结构表示与上下文特征分离并采用场景结构区分目标来解决这个问题，从而实现可扩展的训练和在各种场景中的强大零样本泛化能力。
-
新框架增强了恶劣天气条件下的深度估计模型
研究人员开发了天气条件深度万物（DA-W），一个旨在改善单目深度估计模型在恶劣天气条件下性能的新框架。通过将与天气相关的风格与内容分离开来，DA-W使用风格过滤器生成天气嵌入，并通过参数高效的适配器注入到深度万物骨干网络中。这种方法允许单个模型适应雾、雨、雪等各种条件，而不会损失其在晴朗天气基准上的性能。实验表明，DA-W在天气特定基准上平均提高AbsRel分数3.7%，实现了最先进的鲁棒深度估计。