介绍AI领域相关知识

在单目深度估计的任务中，评价模型性能的指标是衡量其准确性和可靠性的重要工具。在模型的训练过程中，没有单一的评估指标能够全面评价所有深度估计算法的性能，通常需要结合多个指标，根据具体的应用需求和场景来综合评价算法的好坏。本文将详细探讨几种常用的评估指标，包括AbsRel（绝对相对误差）、SqRel（平方相对误差）、RMSE（均方根误差）、RMSE Log（对数均方根误差）、Si-Log（尺度不变对数误差）和Accuracy with Threshold（准确率）等评价指标。

有监督训练和无监督训练在深度估计任务中都有各自的优缺点。有监督训练可以利用真实深度图来学习准确的深度信息，但数据获取成本高，容易过拟合。无监督训练不需要标注数据，数据获取成本低，但学习到的深度信息可能不够准确。在实际的任务中，可以根据具体情况选择合适的训练方法，或者结合有监督和无监督两种方法来提高深度估计的性能。

​ 最近在看深度估计方面的文章，发现了Marigold，它是一种基于扩散模型的单目深度估计技术，通过在Stable Diffusion图像生成模型的基础上进行微调，实现了在多个真实世界数据集上的高准确度和强泛化能力，无需从头开始训练即可高效地预测单个图像的深度信息。接下来我将展示从零开始Marigold的复现。