منذ 17 أيام
SliceNet: تقدير عمق كثيف عميق من لقطة داخلية واحدة باستخدام تمثيل مبني على الشرائح
{Enrico Gobbetti, Jens Schneider, Eva Almansa, Marco Agus, Giovanni Pintore}
الملخص
نقدم شبكة عصبية عميقة جديدة لتقدير خريطة العمق من صورة محيطية داخلية مفردة باستخدام عدسة واحدة. تعتمد الشبكة مباشرة على التمثيل المتساوي الطول (الاستقامة)، مستفيدة من خصائص الصور المحيطية الداخلية التي تبلغ 360 درجة. بالاعتماد على حقيقة أن الجاذبية تلعب دورًا مهمًا في تصميم وبناء المساحات الداخلية الصناعية، نقترح تمثيلًا مكثفًا للمنظر من خلال شرائح عمودية على الكرة، ونستغل العلاقات القصيرة والطويلة الأمد بين هذه الشرائح لاستعادة خريطة العمق على الشكل المتساوي الطول. يتيح هذا التصميم الحفاظ على معلومات عالية الدقة في السمات المستخلصة، حتى مع استخدام شبكة عميقة. وتُظهر النتائج التجريبية أن طريقتنا تتفوق على الحلول الرائدة في مجالها من حيث دقة التنبؤ، وبخاصة عند التعامل مع البيانات الواقعية.