የስቲሪዮ ጥልቀት ግምት መመሪያ

አጠቃላይ እይታ

It turns flat images into 3D distance maps that robots, cars, and phones rely on to understand space.

ጥልቅ ዳይቭ

የስቲሪዮ ጥልቀት ግምት ሁለት ካሜራዎችን በቋሚ ርቀት (የመነሻ መስመር) ይጠቀማል። በአለም ላይ ያለው ተመሳሳይ ነጥብ በግራ እና በቀኝ ምስሎች በትንሹ በተለያየ አግድም አቀማመጥ ላይ ነው, እና ያ ለውጥ ልዩነት ይባላል. በአቅራቢያ ያሉ ነገሮች ብዙ ይቀያየራሉ; የራቁት በጭንቅ ይንቀሳቀሳሉ. ጥልቀት እንደ (የትኩረት ርዝመት x መነሻ) / ልዩነት ይሰላል፣ ስለዚህ ጥልቀት እና ልዩነት በተገላቢጦሽ ይዛመዳሉ። ከባዱ ክፍል በሁለቱ ምስሎች መካከል ፒክስሎችን ማዛመድ ነው፣በተለይ በቆላ ግድግዳዎች ላይ፣ ተደጋጋሚ ንድፎችን ወይም አንጸባራቂ ንጣፎች ብዙ ፒክሰሎች ተመሳሳይ የሚመስሉ ናቸው። እንደ ሴሚ-ግሎባል ማዛመጃ ቅኝት ያሉ ክላሲክ ዘዴዎች በስካንላይን ሲቃኙ እንደ PSMNet እና RAFT-Stereo ያሉ ዘመናዊ ጥልቅ አውታረ መረቦች የበለጸጉ ባህሪያትን ይማራሉ እና ልዩነትን በየጊዜው በማጥራት አስቸጋሪ በሆኑ ክልሎች ውስጥም ቢሆን ጥቅጥቅ ያለ እና ትክክለኛ ጥልቀት ይፈጥራሉ።

ቴክኒካዊ ግንዛቤ

ሁለቱም ምስሎች መጀመሪያ የተስተካከሉ ናቸው ስለዚህ ተዛማጅ ነጥቦች በተመሳሳይ አግድም ረድፍ ላይ ይተኛሉ, ፍለጋውን ወደ አንድ ልኬት ይቀንሳል. የግራ እና የቀኝ ባህሪያት ምን ያህል እንደሚስማሙ በመለካት የእያንዳንዱ እጩ ልዩነት ለእያንዳንዱ ፒክሰል በመሞከር የወጪ መጠን ይገነባል። አውታረ መረቦች ይህንን መጠን በ3D convolutions ወይም ተደጋጋሚ ዝማኔዎች ያዋህዳሉ፣ ከዚያ የንዑስ ፒክስል ትክክለኛነትን ለማግኘት በሶፍት-argmin ልዩነቶች ላይ ይውሰዱ። በልዩነት እና ጥልቀት መካከል ያለው የተገላቢጦሽ ግንኙነት ማለት የሩቅ ጥልቀት በተፈጥሮው ከቅርቡ ይልቅ ጫጫታ 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።

የስቲሪዮ ጥልቀት ግምት የወደፊት

የስቲሪዮ ጥብቅ ውህደት ከLiDAR፣ ራዳር እና ሞኖኩላር ፍንጮች ጋር አንድ ሴንሰር ሲወድቅ ሲስተሞች በሚያምር ሁኔታ ይወድቃሉ። ትራንስፎርመርን መሰረት ያደረገ ማዛመድ እና በራስ ቁጥጥር የሚደረግ ስልጠና (ከመሬት-እውነት ጥልቀት ከሌለው ከጥሬ ቪዲዮ መማር) ውድ ምልክት የተደረገባቸው መረጃዎችን ፍላጎት እየቀነሱ ነው። የመሣሪያ ላይ ቅልጥፍና በፍጥነት እየተሻሻለ ነው፣ የእውነተኛ ጊዜ ስቴሪዮ በድሮኖች፣ኤአር መነጽሮች እና ርካሽ ሮቦቶች ላይ በማስቀመጥ ላይ ነው። የክስተት ካሜራዎች እና የተማሩ ገባሪ ቅጦች የዛሬን ዘዴዎች በሚያሸንፉ ዝቅተኛ ብርሃን፣ እንቅስቃሴ ብዥታ እና ሸካራነት በሌላቸው ትዕይንቶች ውስጥ እንኳን አስተማማኝ ጥልቀት ቃል ገብተዋል።

የእውነተኛ-ዓለም አተገባበር

ራስን ማሽከርከር እና ሹፌር ረዳት ሲስተሞች የመኪናዎችን፣ የእግረኞችን እና የብሬኪንግ እና የሌይን ለመጠበቅ ርቀትን ለመለካት ስቴሪዮ ካሜራዎችን ይጠቀማሉ።

የመጋዘን እና የግብርና ሮቦቶች ነገሮችን ለመጨበጥ፣ መሰናክሎችን ለማስወገድ እና በትክክለኛው ጥልቀት ፍሬ ለመውሰድ 3D ካርታዎችን ይገነባሉ።

እንደ ማለፊያ መሳሪያዎች ያሉ የኤአር/ቪአር ማዳመጫዎች የክፍል ጂኦሜትሪ ይገምታሉ ስለዚህ ምናባዊ ነገሮች በእውነተኛ ንጣፎች ላይ በትክክል ይቀመጣሉ።

ማርስ ሮቨርስ (ለምሳሌ፣ ጽናት) ያለ GPS ድንጋያማ ቦታዎች ላይ አስተማማኝ መንገዶችን ለማቀድ ስቴሪዮ አሰሳ ካሜራዎችን ይጠቀማሉ።

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

የኮምፒውተር እይታ

ምስላዊ AIን የሚያበረታቱ መሰረታዊ ስርዓቶችን ይረዱ።

መመሪያ ያንብቡ

AI ምስል ማመንጨት

የፍጥረት የስራ ፍሰቶችን እና የሞዴል ንግድን ያስሱ።

መመሪያ ያንብቡ

Free newsletter

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 Stereo Depth Estimation quiz

Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.

ጥያቄ ጀምር

Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation

ቀጣይ መመሪያ

የማሪጎልድ ስርጭት ጥልቀት ግምት

ቀጣዩን መመሪያ ያንብቡ ሁሉንም ጥያቄዎች ያስሱ

በተደጋጋሚ የሚጠየቁ ጥያቄዎች

What is Stereo Depth Estimation?

የስቲሪዮ ጥልቀት ግምት ልክ እንደ ሁለቱ አይኖችዎ ሁለት በትንሹ የተስተካከሉ የካሜራ እይታዎችን በማነፃፀር ነገሮች ምን ያህል ሩቅ እንደሆኑ ያገግማል። ሮቦቶች፣ መኪኖች እና ስልኮች ቦታን ለመረዳት ወደ ሚተማመኑባቸው ጠፍጣፋ ምስሎችን ወደ 3D የርቀት ካርታዎች ይቀይራል።

በስቲሪዮ እይታ ውስጥ 'ልዩነት' ምንድን ነው?

ልዩነት አንድ ተጓዳኝ ነጥብ በሁለቱ የተስተካከሉ እይታዎች መካከል ምን ያህል በአግድም እንደሚንቀሳቀስ ነው; ትልቅ ልዩነት ማለት ነገሩ ቅርብ ነው.

ጥልቀት ከልዩነት ጋር እንዴት ይዛመዳል?

ጥልቀት = (የትኩረት ርዝመት x መነሻ) / ልዩነት, ስለዚህ ልዩነት ሲቀንስ, የተገመተው ጥልቀት ያድጋል. የሩቅ እቃዎች ጥቃቅን ልዩነት አላቸው.

ምስሎች ከመዛመዳቸው በፊት ለምን 'የተስተካከሉ' ናቸው?

ማረም ሁለቱንም ምስሎች ያሞግታል ስለዚህም ተዛማጆች በአንድ አግድም መስመር ላይ እንዲታሰሩ፣ 2D ፍለጋን ወደ ፈጣን 1D ፍለጋ ይቀይረዋል።

ለስቲሪዮ ማዛመድ በጣም ከባድ የሆነው የትኛው ሁኔታ ነው?

ሸካራነት የሌላቸው ወይም ተደጋጋሚ ንጣፎች ብዙ ፒክስሎች ተመሳሳይ እንዲመስሉ ያደርጋቸዋል፣ ስለዚህ ስልተ ቀመሩ በልበ ሙሉነት ትክክለኛውን ተዛማጅ ማግኘት አይችልም።

'መሰረታዊው' ምንን ያመለክታል?

መነሻው በሁለቱ የካሜራ ማዕከሎች መካከል ያለው መለያየት ነው; ሰፋ ያለ መነሻ ለርቀት ዕቃዎች ትክክለኛነትን ያሻሽላል።