-
Depth Anything V2
Depth Anything V2 是一个先进的单目深度估计模型,它通过使用合成图像和大量未标记的真实图像进行训练,提供了比前一版本更精细、更鲁棒的深度预测。该模型在效率和准确性方面都有显著提升,速度比基于Stable Diffusion的最新模型快10倍以上。- 108
- 0
-
MicKey: 三维相机空间关键点匹配流程及尺度姿态估计方法
本文介绍了MicKey,一个能够预测三维相机空间中的度量对应关系的关键点匹配流程,以及在没有深度测量的情况下推断出度量相对姿态的方法。MicKey通过神经网络进行端到端训练,只需相对姿态监督,无需深度测量。该方法在重新定位基准测试中表现优异,对视觉重叠未知的图像对具有鲁棒性。- 130
- 0
-
DepthFM: 快速单目深度估计模型 – 生成式深度修复与流匹配
本文介绍了DepthFM:一个快速的单目深度估计模型,具有生成式深度修复和流匹配能力,利用图像先验进行训练并可靠地预测深度估计的置信度。文章详细介绍了其原理、效果展示和主要贡献。- 796
- 0
-
单目深度估计:Depth Anything的解决方案和评估
本文介绍了香港大学、字节、浙江实验室和浙江大学合作提出的Depth Anything解决方案,用于鲁棒单目深度估计。文章讨论了数据引擎收集和自动注释大规模未标记数据的方法,以及对深度估计模型的评估结果。- 205
- 0
-
自监督3D场景表示及深度估计方法SelfOcc的研究与应用
本文介绍了SelfOcc方法在自动驾驶领域的重要性,其通过自监督学习方式有效学习3D场景表示,并提高了环境感知能力。同时还探讨了自监督深度估计的挑战与解决方法。- 869
- 0
-
自动驾驶论文:Lift-Attend-Splat相机激光雷达融合新方法
本文介绍了一种新的相机-激光雷达融合方法,称为\'Lift-Attend-Splat\',该方法绕过单目深度估计,使用简单的transformer在BEV中选择和融合相机和激光雷达特征。论文表明,该方法可以更好地利用相机,并提高3D检测性能。- 506
- 0
-
夜间单目深度估计ADDS算法架构及原理详解
本文详细介绍了夜间单目深度估计中的ADDS算法架构及原理,包括算法背景、ADDS算法架构和模型输入。通过该文章了解深度估计方法在夜间场景中的应用及优化方法。- 271
- 0
-
TensorFlow.js深度估计API介绍及3D照片应用演示
本文介绍了TensorFlow.js的深度估计API,以及其在3D照片应用中的应用演示。同时还介绍了人像深度API的安装方法。- 476
- 0
幸运之星正在降临...
点击领取今天的签到奖励!
恭喜!您今天获得了{{mission.data.mission.credit}}积分
我的优惠劵
-
¥优惠劵使用时效:无法使用使用时效:
之前
使用时效:永久有效优惠劵ID:×
没有优惠劵可用!