تُعد خط الأفق سمة سياقية مهمة لعدد كبير من مهام فهم الصور. ونتيجة لذلك، تم اقتراح العديد من الأساليب لتقدير موقعه من صورة واحدة. وعادةً ما تتطلب هذه الأساليب وجود مؤشرات محددة في الصورة، مثل نقاط الانهيار (vanishing points)، والدوائر المستوية (coplanar circles)، والأنماط المنتظمة (regular textures)، مما يحد من تطبيقاتها في البيئات الواقعية. نقدّم مجموعة بيانات تقييم كبيرة وواقعية تُسمى "خطوط الأفق في البرية" (Horizon Lines in the Wild - HLW)، وتشمل صورًا طبيعية مُعلّمة بخطوط الأفق. وباستخدام هذه المجموعة، نستكشف تطبيق الشبكات العصبية التلافيفية (Convolutional Neural Networks - CNNs) لتقدير خط الأفق مباشرةً، دون الحاجة إلى أي قيود هندسية صريحة أو مؤشرات خاصة أخرى. وتُظهر تقييمات واسعة النطاق أن استخدام شبكة CNN الخاصة بنا، سواء بشكل منفرد أو بالتعاون مع أسلوب هندسي سابق، يُحقق نتائج متميزة على مجموعة بيانات HLW الصعبة، بالإضافة إلى مجموعتي معايير موجودتين.