Lignes d'horizon dans la nature sauvage

La ligne d'horizon est un attribut contextuel important pour une grande variété de tâches de compréhension des images. Par conséquent, de nombreuses méthodes ont été proposées pour estimer sa position à partir d'une seule image. Ces méthodes nécessitent généralement que l'image contienne des indices spécifiques, tels que des points de fuite, des cercles coplanaires et des textures régulières, ce qui limite leur applicabilité dans le monde réel. Nous présentons un grand ensemble de données d'évaluation réaliste, Horizon Lines in the Wild (HLW) (Lignes d'Horizon dans la Nature), comprenant des images naturelles avec des lignes d'horizon étiquetées. En utilisant cet ensemble de données, nous examinons l'application des réseaux neuronaux convolutifs pour estimer directement la ligne d'horizon, sans nécessiter aucune contrainte géométrique explicite ou autres indices spéciaux. Une évaluation approfondie montre que l'utilisation de nos CNNs, soit en isolation soit en conjonction avec une approche géométrique précédente, nous permet d'obtenir des résultats de pointe sur l'ensemble de données HLW difficile et deux ensembles de données de référence existants.