LightDepth: نهج فعّال من حيث الموارد لتقدير العمق مع مواجهة ندرة البيانات الحقيقية من خلال التعلم التدريجي

تسهم التطورات في الشبكات العصبية في معالجة مهام الرؤية الحاسوبية المعقدة، مثل تقدير العمق في المشاهد الخارجية، بدقة لم تُسبق لها مثيل. وقد تم إجراء أبحاث واعدة في مجال تقدير العمق. ومع ذلك، فإن الجهود الحالية تستهلك موارد حاسوبية كبيرة ولا تأخذ بعين الاعتبار القيود المفروضة على الموارد في الأجهزة المستقلة، مثل الروبوتات والطائرات بدون طيار. في هذا العمل، نقدّم نهجًا سريعًا وفعالًا من حيث استهلاك البطارية لتقدير العمق. يعتمد نهجنا على تعلم مبني على منهجية منظمة (Curriculum-based Learning) غير معتمد على النموذج (Model-agnostic) لتقدير العمق. تُظهر تجاربنا أن دقة نموذجنا تتساوى مع نماذج الحد الأقصى من الدقة المتوفرة حاليًا، بينما تتفوق زمن استجابته على النماذج الأخرى بنسبة 71%. جميع الأكواد متاحة عبر الإنترنت على الرابط: https://github.com/fatemehkarimii/LightDepth.