단안 깊이 추정
단안 깊이 추정은 모든 픽셀이 단일 일반 사진에서 얼마나 멀리 떨어져 있는지 예측합니다. 스테레오 카메라, LiDAR 또는 깊이 센서가 필요하지 않습니다.
개요
It lets one camera perceive 3D structure from a flat 2D image.
심층 분석
인간은 원근감, 상대 크기, 텍스처 그라데이션, 음영 및 폐색과 같은 단서를 사용하여 한쪽 눈으로 깊이를 판단할 수 있습니다. 단안 깊이 추정은 신경망에 동일한 트릭을 가르칩니다. 단일 RGB 이미지를 입력하고 각 픽셀에 대한 깊이 값을 출력합니다. 2D 이미지는 본질적으로 절대 크기에 대해 모호하기 때문에 작업이 어렵습니다. 많은 3D 장면이 동일한 그림에 투영될 수 있습니다. 네트워크는 이 문제를 해결하기 위해 대규모 데이터 세트에서 통계적 사전 예측을 학습합니다. 훈련은 LiDAR 또는 RGB-D 센서의 실측 깊이를 사용하는 감독 방식과 예측된 깊이가 한 뷰를 다른 뷰에 올바르게 재투영하도록 강제하여 비디오 또는 스테레오 쌍에서 순수하게 깊이를 학습하는 자율 감독 방식의 두 가지 형태로 제공됩니다. MiDaS 및 Depth Anything과 같은 최신 기초 모델은 보이지 않는 장면 전반에 걸쳐 놀랍도록 일반화됩니다.
기술적 통찰력
자체 감독 방법은 레이블 대신 기하학을 활용합니다. 두 개의 뷰(스테레오 또는 연속 비디오 프레임)와 예측된 깊이 맵과 카메라 모션이 주어지면 모델은 한 이미지를 왜곡하여 다른 이미지를 재구성합니다. 픽셀 수준 재구성 오류가 훈련 신호가 됩니다. 이 '뷰 합성' 손실은 레이블이 지정되지 않은 원시 비디오에서 깊이를 학습할 수 있음을 의미합니다. 주요 제한은 규모 모호성입니다. 단안 깊이는 알려진 참조 또는 미터법 감시에 대해 보정하지 않는 한 알 수 없는 승수까지만 정확합니다.
전략적 영향
속도와 규모
Visual AI는 대규모 검사, 감지 및 태그 지정 작업을 자동화할 수 있습니다.
빌드 선택
크리에이티브 팀은 수동 수정 횟수를 줄여 컨셉의 프로토타입을 더 빠르게 제작할 수 있습니다.
팀과 워크플로우
이전에는 처리하기 어려웠던 이미지 및 비디오 신호를 작업에 사용할 수 있습니다.
단안 깊이 추정의 미래
수백만 개의 혼합 이미지에 대해 훈련된 일반 깊이 기반 모델은 훈련에서 볼 수 없는 장면을 포함하여 모든 장면에서 신뢰할 수 있는 미터법(실제 규모) 깊이를 향해 나아가고 있습니다. 완전한 3D 장면 재구성을 위한 광학 흐름 및 SLAM과의 더욱 긴밀한 융합, 휴대폰과 헤드셋에서 실시간으로 실행되는 더 가벼운 모델, 더욱 강력한 제로샷 견고성을 기대하세요. 이를 통해 값비싼 깊이 감지 장비가 아닌 모든 단일 카메라에서 풍부한 공간 인식을 저렴하고 어디서나 사용할 수 있게 됩니다.
실제 구현
피사체와 배경의 거리를 추정하여 배경 흐림(보케)을 시뮬레이션하는 스마트폰 인물 모드
실제 가구 뒤에 올바르게 배치되도록 가상 개체를 배치하는 증강 현실 앱
단일 전방 카메라를 사용하여 장애물을 피하는 드론 및 저가형 로봇
입체 디스플레이를 위해 픽셀당 깊이를 추론하여 2D 사진과 영화를 3D로 변환
위험 및 가드레일
출처가 불분명할 경우 이미지 권리 및 동의는 법적 위험이 될 수 있습니다.
모델 성능은 조명, 인구통계, 환경에 따라 달라질 수 있습니다.
신뢰도 임계값을 모니터링하지 않으면 거짓양성이 발견되지 않을 수 있습니다.
구현 로드맵
정밀도, 재현율, 오류 비용에 대한 허용 기준을 정의합니다.
실제 생산 조건과 일치하는 데이터로 테스트합니다.
신뢰도가 낮거나 영향력이 큰 예측에 대해 인적 검토를 추가합니다.
모델 드리프트를 추적하고 카메라 또는 데이터 세트가 변경된 후 재검증합니다.
계속 탐색하세요
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
다음 가이드
스테레오 깊이 추정
자주 묻는 질문
What is Monocular Depth Estimation?
단안 깊이 추정은 모든 픽셀이 단일 일반 사진에서 얼마나 멀리 떨어져 있는지 예측합니다. 스테레오 카메라, LiDAR 또는 깊이 센서가 필요하지 않습니다. 이를 통해 하나의 카메라는 평면 2D 이미지에서 3D 구조를 인식할 수 있습니다.
깊이 추정을 '단안'으로 만드는 이유는 무엇입니까?
'단안'은 한쪽 눈/카메라를 의미합니다. 이 방법은 스테레오 또는 활성 깊이 센서 없이 단일 RGB 이미지에서 깊이를 예측합니다.
단안 깊이 추정이 근본적으로 모호한 이유는 무엇입니까?
단일 2D 투영은 축척 정보를 잃으므로 여러 3D 배열이 하나의 이미지와 일치합니다. 네트워크는 명확성을 위해 학습된 사전에 의존합니다.
자기 지도 방법은 실측 라벨 없이 깊이를 어떻게 학습합니까?
예측된 깊이와 카메라 움직임을 사용하여 모델은 한 이미지를 다른 이미지로 재투영합니다. 광도 오류는 학습 신호를 제공하며 레이블은 필요하지 않습니다.
단안 네트워크가 깊이를 위해 직접적으로 의존하지 않는 신호는 무엇입니까?
스테레오 시차에는 두 대의 카메라가 필요합니다. 단안 방법은 크기, 원근감, 질감, 폐색과 같은 단일 이미지 단서에 의존합니다.
단안 심도의 '규모 모호성'이란 무엇입니까?
미터법 감독이나 알려진 기준이 없으면 단안 깊이는 올바른 상대 구조를 제공하지만 절대 척도는 불확실합니다.