ScaleDepth: تفكيك تقدير العمق الطبقي إلى توقع المقياس وتقدير العمق النسبي

تقدير العمق من صورة واحدة هو مهمة بصرية صعبة. مقارنةً بتقدير العمق النسبي، يجذب تقدير العمق القياسي اهتمامًا أكبر نظرًا لأهميته الفيزيائية العملية وتطبيقاته الحاسمة في السياقات الواقعية. ومع ذلك، فإن الطرق الحالية لتقدير العمق القياسي غالبًا ما تُدرّب على مجموعات بيانات محددة تحتوي على مشاهد متشابهة، مما يُواجه صعوبات في التعميم على المشاهد التي تختلف بشكل كبير في الحجم. لمعالجة هذه التحديات، نقترح طريقة جديدة لتقدير العمق من منظور واحد تُسمى ScaleDepth. تعتمد هذه الطريقة على تحليل العمق القياسي إلى مقياس المشهد والعمق النسبي، وتُقدّر كل منهما عبر وحدة تنبؤ بمقياس واعٍ للسياق (SASP) ووحدة تقدير عمق نسبي مُتكيف (ARDE) على التوالي. تتمتع طريقة ScaleDepth بعدة مزايا. أولاً، يمكن لوحدة SASP دمج السمات الهيكلية والدلالية للصور بشكل غير مباشر لتقدير مقياس المشهد بدقة. ثانيًا، يمكن لوحدة ARDE تقدير توزيع العمق النسبي لكل صورة ضمن فضاء عمق معياري بشكل متكيف. ثالثًا، تُحقق طريقة нашей تقدير العمق القياسي للمشاهد الداخلية والخارجية ضمن إطار موحد، دون الحاجة إلى تحديد نطاق العمق أو تحسين النموذج بدقة. تُظهر التجارب الواسعة أداءً متميزًا على مستوى الحد الأقصى من الأداء في مشاهد داخلية، خارجية، غير مُحددة، ومشاهد غير مُدرّب عليها سابقًا. صفحة المشروع: https://ruijiezhu94.github.io/ScaleDepth