ガイド連動クイズ · ハード レベル

単眼の奥行き推定クイズ

単眼の深さの曖昧さ、自己教師ありビュー合成、相対スケール、およびバージョン固有の深度モデルの証拠を評価します。

関連するガイドパス単眼の深さの推定
質問 1 の 8

深度推定が「単眼」になるのはなぜですか?

すべての質問をプレビューする8 質問

クイズに答えると、答えと解説が表示されます。

  1. 深度推定が「単眼」になるのはなぜですか?
    • ステレオやセンサーではなく、単一の画像またはカメラから奥行きを推測します。
    • 人間の目のように間隔をあけて配置された 2 台のカメラを使用します
    • 白黒画像でのみ機能します
    • カメラに接続された LIDAR スキャナーが必要です
  2. 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
  3. 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
  4. 単眼ネットワークが深度に関して直接依存しない手がかりはどれですか?
    • オブジェクトの相対的なサイズ
    • テクスチャのグラデーションと遠近感
    • オクルージョン (どのオブジェクトが別のオブジェクトをブロックするか)
    • 2 つの同時カメラ間のステレオ視差
  5. 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
  6. 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
  7. 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
  8. 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