Cuestionario vinculado a una guía · duro Nivel
Prueba de estimación de profundidad monocular
Evalúe la ambigüedad de la profundidad monocular, la síntesis de vista autosupervisada, la escala relativa y la evidencia del modelo de profundidad específica de la versión.
Pregunta 1 de 8
¿Qué hace que la estimación de profundidad sea "monocular"?
Vista previa de cada pregunta8 preguntas
Las respuestas y explicaciones aparecen a medida que realiza el cuestionario.
- ¿Qué hace que la estimación de profundidad sea "monocular"?
- Infiere profundidad a partir de una sola imagen o cámara, no de estéreo o sensores.
- Utiliza dos cámaras espaciadas como ojos humanos.
- Sólo funciona en imágenes en blanco y negro.
- Requiere un escáner lidar conectado a la cámara.
- What does a monocular depth estimator predict for an image?
- A stereo disparity field that requires two camera views
- A per-pixel depth or relative-depth map from one camera view
- A categorical object-label map with no distance estimate
- A dense motion-vector field between two video frames
- What data recipe does the Depth Anything V2 paper report?
- Train only on real labeled images and discard synthetic data
- Train on unlabeled audio and convert speech to depth maps
- Train a DINOv2-G teacher on synthetic labeled images, then use its pseudo-labels on real images to train students
- Use stereo disparity as labels for every image at inference time
- ¿En qué señal NO dependen directamente las redes monoculares para obtener profundidad?
- Tamaño relativo de los objetos.
- Degradados de textura y perspectiva.
- Oclusión (qué objeto bloquea a otro)
- Disparidad estéreo entre dos cámaras simultáneas
- What does Monodepth2 use to reduce the effect of moving objects in self-supervised training?
- An auto-masking procedure that excludes pixels inconsistent with camera motion
- A learned text tokenizer
- A region-proposal network
- A fixed depth value for every object
- What new evaluation benchmark does the Depth Anything V2 paper introduce?
- A benchmark of 2,000 full metric depth maps from LiDAR only
- DA-2K, with sparse relative-depth pairs annotated across 1,000 images
- A corpus of six public datasets and randomly captured photos
- A camera-calibration set containing no depth comparisons
- How can self-supervised monocular depth training obtain a learning signal?
- By reading depth labels from every pixel
- By converting image colors directly to meters
- By reconstructing one view from adjacent video frames and penalizing photometric mismatch
- By using only language captions
- What does a relative-depth output indicate?
- Exact meters for every pixel
- Camera GPS position
- Object identity only
- Ordering or relative distance, not necessarily calibrated metric distance