
Paper Reading
文章平均质量分 93
竹底蜉蝣
这个作者很懒,什么都没留下…
展开
-
PaperReading -- Depth Anything: Unleashing the Power of Large-Scale Unlabeled Data
本文猜测,将一张图片解码为离散的类别空间会损失过多的信息,剩下的有限信息很难再对深度估计任务有提升。为了获得更强的教师模型,使用语义分割领域的DINOv2预训练权重初始化编码器,并使用预训练的语义分割模型识别天空区域且将天空区域视差值设为0.HRWSI虽然只有20K的图像,但是它提供了最强的模型泛化能力,这说明了数据集中数据的多样性对模型泛化能力的重要性。在一个数据集上训练相对的深度模型,在六个未见过的数据集上进行评估,以此比较不同数据集训练对模型泛化能力的影响。另一种是强烈的空间扭曲,即CutMix。原创 2024-03-06 20:30:43 · 1546 阅读 · 0 评论 -
Paper Reading: Metric3D Towards Zero-shot Metric 3D Prediction from A Single Image
Metric3D论文阅读原创 2023-09-21 16:49:04 · 711 阅读 · 0 评论