ሞኖኩላር ጥልቀት ግምት
የሞኖኩላር ጥልቀት ግምት እያንዳንዱ ፒክሰል ከአንድ ተራ ፎቶ ምን ያህል እንደሚርቅ ይተነብያል - ምንም ስቴሪዮ ካሜራ፣ ሊዳር ወይም ጥልቀት ዳሳሽ አያስፈልግም።
አጠቃላይ እይታ
አንድ ካሜራ ከጠፍጣፋ ባለ 2-ል ምስል 3D መዋቅርን እንዲገነዘብ ያስችለዋል።
ጥልቅ ዳይቭ
ሰዎች እንደ እይታ፣ አንጻራዊ መጠን፣ የሸካራነት ቅልመት፣ ጥላ እና መጨናነቅ የመሳሰሉ ምልክቶችን በመጠቀም ጥልቀትን ከአንድ አይን መመልከት ይችላሉ። የሞኖኩላር ጥልቀት ግምት የነርቭ ኔትወርኮችን አንድ አይነት ብልሃት ያስተምራል፡ በአንድ RGB ምስል ይመግቡ እና ለእያንዳንዱ ፒክሰል ጥልቀት ያለው እሴት ያወጣሉ። የ 2D ምስል በባህሪው ስለ ፍፁም ሚዛን አሻሚ ስለሆነ ስራው ከባድ ነው - ብዙ የ3-ል ትዕይንቶች ወደ ተመሳሳይ ምስል ሊመሩ ይችላሉ። አውታረ መረቦች ይህንን ለመፍታት ከትልቅ የውሂብ ስብስቦች ውስጥ ስታቲስቲካዊ ቀዳሚዎችን ይማራሉ. ስልጠና በሁለት ጣዕሞች ይመጣል፡ ክትትል የሚደረግበት፣ ከመሬት ላይ ያለውን የእውነት ጥልቀት ከሊዳር ወይም አርጂቢ-ዲ ዳሳሾች እና በራስ ቁጥጥር የሚደረግበት፣ ይህም የተተነበየው ጥልቀት የአንዱን እይታ በትክክል ወደሌላ እንዲመልስ በማስገደድ ከቪዲዮ ወይም ስቴሪዮ ጥንዶች ብቻ በጥልቀት ይማራል። እንደ MiDaS እና Depth Anything ያሉ የቅርብ ጊዜ የመሠረት ሞዴሎች በማይታዩ ትዕይንቶች ላይ በሚያስደንቅ ሁኔታ አጠቃላይ ናቸው።
ቴክኒካዊ ግንዛቤ
በራስ ቁጥጥር የሚደረግባቸው ዘዴዎች ከመለያዎች ይልቅ ጂኦሜትሪ ይጠቀማሉ። ሁለት እይታዎች (ስቴሪዮ ወይም ተከታታይ የቪዲዮ ክፈፎች) እና የተተነበየ የጥልቅ ካርታ እና የካሜራ እንቅስቃሴ ከተሰጠ፣ ሞዴሉ ሌላውን እንደገና ለመገንባት አንዱን ምስል ይሞግታል። የፒክሰል ደረጃ መልሶ ግንባታ ስህተት የስልጠና ምልክት ይሆናል። ይህ 'የእይታ-ሲንተሲስ' መጥፋት ማለት ጥልቀት ከጥሬ፣ መለያ ከሌለው ቪዲዮ መማር ይቻላል። ቁልፍ ገደብ የመለኪያ አሻሚነት ነው፡ የሞኖኩላር ጥልቀት ብዙውን ጊዜ ትክክል የሚሆነው ከታወቀ ማጣቀሻ ወይም ሜትሪክ ቁጥጥር ጋር እስካልተስተካከል ድረስ ብቻ ነው።
ስልታዊ ተጽእኖ
ፍጥነት እና ልኬት
ቪዥዋል AI የመመርመሪያ፣ የማወቅ እና የመለያ ስራዎችን በሚዛን መጠን በራስ ሰር ሊያደርግ ይችላል።
ምርጫዎችን ይገንቡ
የፈጠራ ቡድኖች በጥቂት የእጅ ክለሳዎች ጽንሰ-ሀሳቦችን በፍጥነት መተየብ ይችላሉ።
ቡድን እና የስራ ፍሰት
ክዋኔዎች ከዚህ ቀደም ለማስኬድ አስቸጋሪ የነበሩትን የምስል እና የቪዲዮ ምልክቶችን መጠቀም ይችላሉ።
የሞኖኩላር ጥልቀት ግምት የወደፊት
በሚሊዮኖች በሚቆጠሩ የተደበላለቁ ምስሎች የሰለጠኑ የጄኔራል ጥልቅ ፋውንዴሽን ሞዴሎች ወደ አስተማማኝ፣ ሜትሪክ (እውነተኛ-ሚዛን) ጥልቀት በየትኛውም ትእይንት ላይ እየገፉ ነው፣ በስልጠና ላይ ታይተው የማያውቁት እንኳን። ለሙሉ 3D ትእይንት መልሶ ግንባታ፣ በስልኮች እና በጆሮ ማዳመጫዎች ላይ የሚሰሩ ቀላል ሞዴሎችን እና ጠንካራ የዜሮ-ሾት ጥንካሬን ከኦፕቲካል ፍሰት እና SLAM ጋር ጥብቅ ውህደትን ይጠብቁ። ይህ የበለፀገ የቦታ ግንዛቤ ርካሽ እና በሁሉም ቦታ የሚገኝ ያደርገዋል፣ ይህም ውድ የሆነ ጥልቅ ዳሳሽ መሳርያዎች ሳይሆን ከማንኛውም ነጠላ ካሜራ ይገኛል።
የእውነተኛ-ዓለም አተገባበር
የስማርትፎን የቁም ሁነታ ከርዕሰ-ጉዳይ-ከበስተጀርባ ርቀትን በመገመት የበስተጀርባ ብዥታ (bokeh)ን በማስመሰል
ምናባዊ ነገሮችን በትክክል ከእውነተኛው ዓለም የቤት ዕቃዎች ጀርባ እንዲቀመጡ በማድረግ የተጨመሩ የእውነት መተግበሪያዎች
ድሮኖች እና አነስተኛ ዋጋ ያላቸው ሮቦቶች አንድን ወደፊት የሚመለከት ካሜራ በመጠቀም እንቅፋቶችን በማስወገድ
የ2-ል ፎቶዎችን እና ፊልሞችን ወደ 3D በመቀየር የፒክሴል ጥልቀት ለስቴሪዮስኮፒክ ማሳያ
አደጋዎች እና የጥበቃ መንገዶች
የምስል መብቶች እና ፈቃድ ግልጽ ካልሆነ ህጋዊ አደጋዎች ሊሆኑ ይችላሉ።
የሞዴል አፈጻጸም በብርሃን፣ በስነ-ሕዝብ እና በአካባቢው ሊለያይ ይችላል።
የመተማመን ገደቦች ካልተቆጣጠሩ የውሸት አወንታዊ ነገሮች ላይታዩ ይችላሉ።
የትግበራ ፍኖተ ካርታ
ለትክክለኛነት፣ ለማስታወስ እና ለስህተት ወጪዎች የመቀበያ መስፈርቶችን ይግለጹ።
ከእውነተኛ የምርት ሁኔታዎች ጋር በሚዛመድ ውሂብ ይሞክሩ።
ለዝቅተኛ እምነት ወይም ከፍተኛ ተጽዕኖ ትንበያ የሰው ግምገማን ያክሉ።
ከካሜራ ወይም የውሂብ ስብስብ ለውጦች በኋላ የሞዴሉን ተንሸራታች ይከታተሉ እና እንደገና ያረጋግጡ።
ማሰስዎን ይቀጥሉ
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Monocular Depth Estimation quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
ቀጣይ መመሪያ
የስቲሪዮ ጥልቀት ግምት
በተደጋጋሚ የሚጠየቁ ጥያቄዎች
የሞኖኩላር ጥልቀት ግምት ምንድነው?
የሞኖኩላር ጥልቀት ግምት እያንዳንዱ ፒክሰል ከአንድ ተራ ፎቶ ምን ያህል እንደሚርቅ ይተነብያል - ምንም ስቴሪዮ ካሜራ፣ ሊዳር ወይም ጥልቀት ዳሳሽ አያስፈልግም። አንድ ካሜራ ከጠፍጣፋ ባለ 2D ምስል የ3-ል መዋቅርን እንዲገነዘብ ያስችለዋል።
ጥልቅ ግምትን 'ሞኖኩላር' የሚያደርገው ምንድን ነው?
'ሞኖኩላር' ማለት አንድ ዓይን / ካሜራ; ዘዴው ያለ ስቴሪዮ ወይም ንቁ ጥልቅ ዳሳሾች ከአንድ የ RGB ምስል ጥልቀት ይተነብያል።
ለምንድነው የሞኖኩላር ጥልቀት ግምት በመሠረቱ አሻሚ የሆነው?
አንድ ነጠላ 2D ትንበያ የመለኪያ መረጃን ያጣል, ስለዚህ ብዙ የ 3-ል ዝግጅቶች ከአንድ ምስል ጋር ይጣጣማሉ; ኔትወርኮች የሚታመኑት ቀድሞ በተማሩት ነገር ላይ ነው።
እራስን የሚቆጣጠሩ ዘዴዎች ያለ መሬት-እውነት መለያዎች ጥልቀት እንዴት ይማራሉ?
የተተነበየውን ጥልቀት እና የካሜራ እንቅስቃሴን በመጠቀም ሞዴሉ አንድን ምስል ወደ ሌላ ያስተካክላል; የፎቶሜትሪክ ስህተቱ የመማሪያ ምልክቱን ያቀርባል, ምንም መለያዎች አያስፈልግም.
ሞኖኩላር ኔትወርኮች ለጥልቀት በቀጥታ የማይተማመኑት በየትኛው ምልክት ነው?
የስቲሪዮ ልዩነት ሁለት ካሜራዎችን ይፈልጋል; ሞኖኩላር ዘዴዎች ልክ እንደ መጠን፣ እይታ፣ ሸካራነት እና መደበቅ ባሉ ነጠላ ምስል ምልክቶች ላይ ይመረኮዛሉ።
በሞኖኩላር ጥልቀት ውስጥ 'ሚዛን አሻሚነት' ምንድን ነው?
ያለ ሜትሪክ ቁጥጥር ወይም የታወቀ ማጣቀሻ፣ ሞኖኩላር ጥልቀት ትክክለኛ አንጻራዊ መዋቅርን ይሰጣል ግን እርግጠኛ ያልሆነ ፍፁም ሚዛን።