OmniDepth: Dichte Tiefenschätzung für Innensphärische Panoramen

Bisherige Arbeiten zur Tiefenschätzung haben sich ausschließlich auf projektive Bilder konzentriert und 360-Grad-Inhalte übersehen, die heute zunehmend und einfacher produziert werden. Wir zeigen, dass monoökulare Tiefenschätzmodelle, die auf traditionellen Bildern trainiert wurden, bei omnidirektionalen Bildern suboptimale Ergebnisse liefern. Dies unterstreicht die Notwendigkeit, direkt auf 360-Grad-Datensätzen zu trainieren, die jedoch schwer zu erlangen sind. In dieser Arbeit umgehen wir die Herausforderungen der Erstellung hochwertiger 360-Grad-Datensätze mit bodengestützten Tiefenannotations, indem wir große 3D-Datensätze wiederverwenden und diese durch Rendering für 360-Grad-Anwendungen umfunktionieren. Dieser Datensatz ist deutlich größer als vergleichbare projektive Datensätze und wird der Gemeinschaft öffentlich zur Verfügung gestellt, um zukünftige Forschung in diese Richtung zu ermöglichen. Wir nutzen diesen Datensatz, um die Aufgabe der Tiefenschätzung aus 360-Grad-Bildern in einem end-to-end-Prozess zu lernen. Unsere Ergebnisse in den synthetischen Daten sowie in unbekannten realistischen Bildern sind vielversprechend.