التطبيع الهرمي للتقدير المقاوم لعُمق الصورة الأحادية

في هذه الورقة، نتناول تقدير العمق من صورة واحدة باستخدام الشبكات العصبية العميقة. ولتمكين تدريب نماذج تقدير العمق ذات الصورة الواحدة العميقة باستخدام مصادر متنوعة للبيانات، تُعتمد الطرق الرائدة حاليًا استراتيجيات توحيد على مستوى الصورة لإنشاء تمثيلات عمق غير متأثرة بالانزياحات التآلفية. ومع ذلك، فإن التعلم باستخدام توحيد على مستوى الصورة يركز بشكل رئيسي على العلاقات بين تمثيلات البكسلات والإحصائيات العالمية في الصور، مثل بنية المشهد، بينما قد تُهمل الفروق الدقيقة في العمق. في هذه الورقة، نقترح طريقة جديدة لتوحيد العمق متعددة المقياس تقوم بتوحيد تمثيلات العمق بشكل هرمي بناءً على المعلومات المكانية وتوزيعات العمق. مقارنةً بالاستراتيجيات السابقة التي تُطبَّق فقط على مستوى الصورة ككل، يمكن للتوحيد الهرمي المقترح الحفاظ بكفاءة على التفاصيل الدقيقة وتحسين الدقة. نقدم استراتيجيتين تُعرّفان سياقات التوحيد الهرمي في المجال العمقي والمجال المكاني على التوالي. تُظهر تجاربنا الواسعة أن الاستراتيجية المقترحة للتوحيد تتفوق بشكل ملحوظ على الطرق السابقة للتوحيد، ونُسجّل أداءً جديدًا على مستوى الحد الأقصى للحالة (state-of-the-art) في خمسة مجموعات بيانات معيارية للتحويل الصفر (zero-shot transfer).