台湾交通大学提出新的360°图像深度估计框架,有效利用未标记360°数据
近日,台湾交通大学研究人员提出了一种新的360度深度估计方法,以有效利用未标记的360度数据。他们使用最先进的视角深度估计模型作为teacher模型,并通过六面立方体投影技术生成伪标签,从而标记360度图像的深度。这种方法通过利用大量未标记数据集的可用性,显示出了深度估计精度的显著提高,尤其是在zero-shot场景中。该方法包括离线掩码生成和在线半监督联合训练机制两个关键阶段,通过联合训练标记和伪标记数据,增强了360度单目深度估计器的性能,并展示了有效的知识转移。研究人员还证明了该方法在Matterport3D和Stanford2D3D等基准数据集上的有效性。通过使用不同的SOTA 360度深度模型和各种未标记数据集展示了训练技术的多功能性和有效性。总体而言,这项研究为360度图像的准确深度估计开辟了新的可能性。