AITOP

深度估计

共 4 条相关 AI 资讯
7月7日
19:01
19:01IT之家（博客/媒体）
精选
蚂蚁集团旗下灵波科技发布空间感知模型 LingBot-Depth 2.0，训练数据从 300 万扩充至 1.5 亿。在深度补全基准 16 项测评中获 12 项第一，室内大面积深度缺失场景 RMSE 从 0.132 降至 0.062。同时推出视觉基座模型 LingBot-Vision，预训练语料仅 1.6 亿张图像，深度估计精度优于 DINOv3。该模型已通过奥比中光深度视觉实验室认证，在 Gemini 330 系列相机上边缘清晰度、细小物体识别等全面升级。
AI模型LingBot-Depth 2.0LingBot-Vision蚂蚁集团灵波科技深度估计DINOv3奥比中光
推荐理由：灵波科技发布了空间感知模型 LingBot-Depth 2.0，训练数据暴涨到 1.5 亿，深度补全拿了 12 项第一，玻璃镜面场景也稳得很。
原文
12:23
07:02
6月2日
12:00
12:00官方账号arXiv cs.AI@Siyuan Bian, Congrong Xu, Jun Gao
深度估计中的“飞点”问题一直难以解决：在物体边界处，模型常会在前景与背景之间的空白区域预测出虚假的3D点。研究团队发现，根本原因在于传统模型为每个像素只分配一个深度假设，而边界像素实际对应两个表面，单一假设被迫取中间值，导致飞点。他们提出MDA（混合密度表示法），让模型为每个像素预测多个深度假设及其概率，边界处不同假设可对齐不同表面，解码时从中选择而非取中间值。该方法在不同骨干网络上均显著改善边界重建，几乎消除飞点伪影，且计算开销极小。此外，MDA还能自然扩展到透明物体（预测多个深度层）和天空区域（分离无限远天空与有限深度区域），生成无飞点的天际线。
论文深度估计飞点伪影混合密度表示边界重建透明物体
推荐理由：做深度估计或3D视觉的团队，边界飞点问题终于有了一个轻量且有效的解决方案——MDA几乎不增加计算成本就能大幅提升边界质量，值得在现有模型上试试。
原文