मोनोक्युलर गहराई का अनुमान
मोनोक्युलर गहराई का अनुमान यह अनुमान लगाता है कि प्रत्येक पिक्सेल एक साधारण तस्वीर से कितनी दूर है - किसी स्टीरियो कैमरा, लिडार या गहराई सेंसर की आवश्यकता नहीं है।
सिंहावलोकन
It lets one camera perceive 3D structure from a flat 2D image.
गहरा गोता
मनुष्य परिप्रेक्ष्य, सापेक्ष आकार, बनावट ढाल, छायांकन और रोड़ा जैसे संकेतों का उपयोग करके एक आंख से गहराई का अनुमान लगा सकता है। मोनोकुलर गहराई का अनुमान तंत्रिका नेटवर्क को एक ही चाल सिखाता है: एक एकल आरजीबी छवि में फ़ीड करें और प्रत्येक पिक्सेल के लिए गहराई मान आउटपुट करें। क्योंकि एक 2डी छवि पूर्ण पैमाने के बारे में स्वाभाविक रूप से अस्पष्ट है, यह कार्य कठिन है - कई 3डी दृश्य एक ही तस्वीर पर प्रोजेक्ट कर सकते हैं। नेटवर्क इसे हल करने के लिए बड़े डेटासेट से सांख्यिकीय प्राथमिकताएँ सीखते हैं। प्रशिक्षण दो प्रकारों में आता है: पर्यवेक्षित, लिडार या आरजीबी-डी सेंसर से जमीनी सच्चाई की गहराई का उपयोग करके, और स्व-पर्यवेक्षित, जो पूरी तरह से वीडियो या स्टीरियो जोड़े से गहराई सीखता है, यह सुनिश्चित करके कि अनुमानित गहराई एक दृश्य को दूसरे में सही ढंग से पुन: पेश करती है। MiDaS और डेप्थ एनीथिंग जैसे हालिया फाउंडेशन मॉडल अनदेखे दृश्यों में उल्लेखनीय रूप से सामान्यीकरण करते हैं।
तकनीकी अंतर्दृष्टि
स्व-पर्यवेक्षित विधियाँ लेबल के बजाय ज्यामिति का उपयोग करती हैं। दो दृश्यों (स्टीरियो या लगातार वीडियो फ्रेम) और एक अनुमानित गहराई मानचित्र और कैमरा गति को देखते हुए, मॉडल दूसरे को फिर से बनाने के लिए एक छवि को विकृत करता है; पिक्सेल-स्तरीय पुनर्निर्माण त्रुटि प्रशिक्षण संकेत बन जाती है। इस 'दृश्य-संश्लेषण' हानि का अर्थ है गहराई को कच्चे, बिना लेबल वाले वीडियो से सीखा जा सकता है। एक प्रमुख सीमा पैमाने की अस्पष्टता है: मोनोक्युलर गहराई अक्सर अज्ञात गुणक तक ही सही होती है जब तक कि किसी ज्ञात संदर्भ या मीट्रिक पर्यवेक्षण के विरुद्ध कैलिब्रेट न की गई हो।
सामरिक प्रभाव
गति और पैमाना
विज़ुअल एआई बड़े पैमाने पर निरीक्षण, पता लगाने और टैगिंग कार्यों को स्वचालित कर सकता है।
विकल्प बनाएं
रचनात्मक टीमें कम मैन्युअल संशोधनों के साथ तेजी से अवधारणाओं का प्रोटोटाइप बना सकती हैं।
टीम और वर्कफ़्लो
संचालन छवि और वीडियो संकेतों का उपयोग कर सकते हैं जिन्हें संसाधित करना पहले कठिन था।
मोनोक्युलर गहराई अनुमान का भविष्य
लाखों मिश्रित छवियों पर प्रशिक्षित सामान्यवादी गहराई फाउंडेशन मॉडल किसी भी दृश्य में विश्वसनीय, मीट्रिक (सच्चे पैमाने) गहराई की ओर बढ़ रहे हैं, यहां तक कि प्रशिक्षण में कभी नहीं देखा गया। पूर्ण 3डी दृश्य पुनर्निर्माण के लिए ऑप्टिकल प्रवाह और एसएलएएम के साथ सख्त संलयन, फोन और हेडसेट पर लाइव चलने वाले हल्के मॉडल और मजबूत शून्य-शॉट मजबूती की अपेक्षा करें। यह समृद्ध स्थानिक धारणा को सस्ता और सर्वव्यापी बना देगा, जो महंगे गहराई-संवेदन रिग के बजाय किसी भी एक कैमरे से उपलब्ध होगा।
वास्तविक विश्व कार्यान्वयन
स्मार्टफ़ोन पोर्ट्रेट मोड, विषय-बनाम-पृष्ठभूमि की दूरी का अनुमान लगाकर पृष्ठभूमि धुंधलापन (बोकेह) का अनुकरण करता है
संवर्धित वास्तविकता ऐप्स आभासी वस्तुओं को रखते हैं ताकि वे वास्तविक दुनिया के फर्नीचर के ठीक पीछे बैठें
ड्रोन और कम लागत वाले रोबोट एक ही फॉरवर्ड-फेसिंग कैमरे का उपयोग करके बाधाओं से बचते हैं
स्टीरियोस्कोपिक डिस्प्ले के लिए प्रति-पिक्सेल गहराई का अनुमान लगाकर 2डी फोटो और फिल्मों को 3डी में परिवर्तित करना
जोखिम और रेलिंग
यदि उत्पत्ति अस्पष्ट है तो छवि अधिकार और सहमति कानूनी जोखिम बन सकते हैं।
मॉडल का प्रदर्शन प्रकाश व्यवस्था, जनसांख्यिकी और वातावरण के अनुसार भिन्न हो सकता है।
जब तक आत्मविश्वास की सीमा की निगरानी नहीं की जाती, तब तक झूठी सकारात्मक बातों पर ध्यान नहीं दिया जा सकता।
कार्यान्वयन रोडमैप
सटीकता, रिकॉल और त्रुटि लागत के लिए स्वीकृति मानदंड परिभाषित करें।
वास्तविक उत्पादन स्थितियों से मेल खाने वाले डेटा के साथ परीक्षण करें।
कम-आत्मविश्वास या उच्च-प्रभाव वाली भविष्यवाणियों के लिए मानवीय समीक्षा जोड़ें।
कैमरा या डेटासेट में बदलाव के बाद मॉडल बहाव को ट्रैक करें और पुनः सत्यापित करें।
अन्वेषण करते रहें
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
अगली गाइड
स्टीरियो गहराई अनुमान
अक्सर पूछे जाने वाले प्रश्नों
What is Monocular Depth Estimation?
मोनोक्युलर गहराई का अनुमान यह अनुमान लगाता है कि प्रत्येक पिक्सेल एक साधारण तस्वीर से कितनी दूर है - किसी स्टीरियो कैमरा, लिडार या गहराई सेंसर की आवश्यकता नहीं है। यह एक कैमरे को एक सपाट 2डी छवि से 3डी संरचना का अनुभव करने देता है।
गहराई का आकलन 'एककोशिकीय' क्या बनाता है?
'मोनोकुलर' का अर्थ है एक आँख/कैमरा; यह विधि स्टीरियो या सक्रिय गहराई सेंसर के बिना एकल आरजीबी छवि से गहराई की भविष्यवाणी करती है।
एककोशिकीय गहराई का अनुमान मौलिक रूप से अस्पष्ट क्यों है?
एक एकल 2डी प्रक्षेपण पैमाने की जानकारी खो देता है, इसलिए कई 3डी व्यवस्थाएं एक छवि के अनुरूप होती हैं; नेटवर्क स्पष्ट करने के लिए सीखे हुए पूर्ववर्तियों पर भरोसा करते हैं।
ज़मीनी सच्चाई के लेबल के बिना स्व-पर्यवेक्षित विधियाँ गहराई कैसे सीखती हैं?
पूर्वानुमानित गहराई और कैमरा गति का उपयोग करते हुए, मॉडल एक छवि को दूसरे पर पुनः प्रक्षेपित करता है; फोटोमेट्रिक त्रुटि सीखने के संकेत प्रदान करती है, किसी लेबल की आवश्यकता नहीं है।
एककोशिकीय नेटवर्क गहराई के लिए किस संकेत पर सीधे निर्भर नहीं होते हैं?
स्टीरियो असमानता के लिए दो कैमरों की आवश्यकता होती है; एककोशिकीय विधियाँ आकार, परिप्रेक्ष्य, बनावट और रोड़ा जैसे एकल-छवि संकेतों पर निर्भर करती हैं।
एककोशिकीय गहराई में 'स्केल अस्पष्टता' क्या है?
मीट्रिक पर्यवेक्षण या ज्ञात संदर्भ के बिना, एककोशिकीय गहराई सही सापेक्ष संरचना देती है लेकिन एक अनिश्चित निरपेक्ष पैमाना देती है।