مرشحات تقويمية مُدركة للتشويه للتنبؤ الكثيف في الصور البيانية

تُعدّ البيانات ثلاثية الأبعاد مطلوبة بشدة لصور وفيديوهات الأفق 360 درجة، مدفوعة بالتوسع المتزايد في توفر الأجهزة المتخصصة في السوق، سواءً لالتقاط هذه الصور والفيديوهات (مثل الكاميرات الشاملة) أو لعرضها ثلاثي الأبعاد (مثل الشاشات المثبتة على الرأس). في الوقت نفسه، تظل أجهزة الاستشعار ثلاثية الأبعاد القادرة على التقاط بيانات أفقية ثلاثية الأبعاد باهظة الثمن و/أو نادرة التوفر. لسد هذا الفجوة، نقترح منهجية تعتمد على التعلم لتقدير خريطة العمق الأفقية من صورة واحدة. وبفضل مرشح تقوس مُصمم خصيصًا يراعي التشوهات، يمكن تدريب طريقة عملنا باستخدام صور منظورية تقليدية، ثم استخدامها لاستنتاج عمق الصور الأفقية، مما يتيح تجاوز الجهد المطلوب لإنشاء مجموعة تدريب مُعلّمة من الصور الأفقية. كما نُظهر تطبيق طريقة العمل هذه في مهام ناشئة مثل ملاحة SLAM الأحادية الأفقية، والتقسيم الدلالي الأفقي، ونقل الأسلوب الأفقي.