跳到正文
arXiv · 机器人与计算机视觉· Hualie Jiang, Yujie Luo, Ziyang Song, Ximeng Li, Zhiqiang Lou, Rui Xu·· 1 天前精选AI 评分83

平均数掩盖的真相:单目度量深度模型在日常场景仍失败,主要在尺度上

What the Averages Hide: Monocular Metric Depth Models Still Fail in Everyday Scenes, Mostly on Scale

AI 导读

针对现有零样本单目度量深度模型评估依赖跨数据集平均分数的做法,本文指出其无法反映严重错误比例、偏差方向及共性失效图像。作者提出基于单图结果的评估框架,包含失效率(度量δ1<0.5)、结构对齐指标、尺度偏差与绝对误差等,并对比 11 种架构在 7 个日常场景基准集上的表现。

推荐理由

提出基于单图结果的深度模型评估框架,揭示日常场景中尺度误差仍是主要瓶颈。

来源:arXiv · 机器人与计算机视觉 · arxiv.org