0. 论文信息
标题：Depth Any Camera: Zero-Shot Metric Depth Estimation from Any Camera
作者：Yuliang Guo, Sparsh Garg, S. Mahdi H. Miangoleh, Xinyu Huang, Liu Ren
机构1Bosch Research North America、Carnegie Mellon University、Simon Fraser University
原文链接：https://arxiv.org/abs/2501.02464
代码链接：https://github.com/yuliangguo/depth_any_camera
1. 导读
虽然最近的深度估计方法表现出很强的零镜头泛化能力，但在不同类型的相机上实现精确的度量深度仍然是一个重大挑战，特别是那些具有大视场(FoV)的相机，如鱼眼和360度相机。本文介绍了深度任意相机(DAC)，这是一个强大的零拍摄度量深度估计框架，它扩展了透视训练模型，以有效地处理具有不同FOV的相机。该框架旨在确保可以利用所有现有的3D数据，而不管新应用中使用的具体相机类型。值得注意的是，DAC专门针对透视图像进行训练，但可以无缝推广到鱼眼和360度相机，而无需专门的训练数据。DAC采用等矩形投影(ERP)作为统一的图像表示，能够对具有不同FOV的图像进行一致的处理。它的关键组件包括一个俯仰感知图像到ERP的转换，用于ERP空间中的高效在线增强，一个FoV对齐操作，用于支持跨各种FoV的有效训练，以及多分辨率数据增强，用于解决训练和测试之间的分辨率差异。DAC实现了最先进的零炮度量深度估计，提高了delta-1(δ1)与之前的公制深度基础模型相比，在多个鱼眼和360度数据集上的精度高达50%，证明了跨相机类型的稳健泛化。
2. 效果展示
Depth Any Camera （DAC） 是一个强大的零样本深度估计框架，可以将一个透视训练模型扩展到处理任何类型的相机，有效地处理各种FoV。值得注意的是，DAC 可以 专门在透视图像上进行训练 ，但它无缝地推广到 鱼眼 和 360 摄像头，无需专业训练数据。
深度任意相机(DAC)的零拍摄公制深度估计结果在ScanNet++鱼眼视频上可视化，并与Metric3D-v2进行比较。相对于真实情况的相对误差的可视化突出了DAC的优越性能。此外，我们展示了DAC在360度图像上的应用，其中深度估计的单次正向传递实现了完整的3D场景重建。
3. 方法
我们的DAC框架将来自任何相机类型的数据转换到规范的ERP空间，允许在透视图像上训练的模型在一致的空间中处理大FoV测试数据，以进行度量深度推断。在培训期间，开发了一种有效的图像到ERP的转换，以便能够直接在ERP空间中进行在线数据扩充，这是一种广泛证明对透视图像有效的方法。通过提议的FoV-Align过程，高度变化的FoV数据适应于单个预定义的ERP补丁大小，从而最大化训练效率。在推断过程中，可以将来自任何相机类型的图像转换到ERP空间以进行度量深度估计，并且可以选择将ERP输出映射回原始图像空间以进行可视化。
4. 实验结果
5. 总结 & 未来工作
(DAC)框架，用我们引入了Depth AnyCamera于在各种摄像头类型(包括透视、鱼眼和360°摄像头)上进行零样本度量深度估计。通过利用高度有效的俯仰角感知lmage-to-ERP转换、视场角对齐和多分辨率训练，DAC解决了因视场角和分辨率不-致而带来的挑战，并在大视场角数据集上实现了稳健的泛化。我们的结果表明，DAC显著优于最先进的方法，并能无缝适应不同的骨干网络。在实践中，无论新应用中使用何种相机类型，DAC都能确保之前收集的每一张3D数据都保持有价值。
对更多实验结果和文章细节感兴趣的读者，可以阅读一下论文原文~
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
