Anggaran Kedalaman Monokular
Anggaran kedalaman monokular meramalkan jarak setiap piksel daripada satu foto biasa — tiada kamera stereo, lidar atau penderia kedalaman diperlukan.
Gambaran keseluruhan
It lets one camera perceive 3D structure from a flat 2D image.
Menyelam dalam
Manusia boleh menilai kedalaman dari sebelah mata menggunakan petunjuk seperti perspektif, saiz relatif, kecerunan tekstur, lorekan dan oklusi. Anggaran kedalaman monokular mengajar rangkaian saraf helah yang sama: suapan dalam imej RGB tunggal dan mengeluarkan nilai kedalaman untuk setiap piksel. Oleh kerana imej 2D sememangnya samar-samar tentang skala mutlak, tugasnya adalah sukar — banyak adegan 3D boleh menayangkan gambar yang sama. Rangkaian mempelajari data awal statistik daripada set data yang besar untuk menyelesaikan masalah ini. Latihan datang dalam dua perisa: diawasi, menggunakan kedalaman ground-truth daripada penderia lidar atau RGB-D, dan penyeliaan sendiri, yang mempelajari kedalaman semata-mata daripada pasangan video atau stereo dengan menguatkuasakan bahawa kedalaman yang diramalkan memproyeksikan semula satu paparan ke paparan yang lain dengan betul. Model asas terbaharu seperti MiDaS dan Depth Anything digeneralisasikan secara luar biasa merentasi adegan yang tidak kelihatan.
Wawasan Teknikal
Kaedah penyeliaan sendiri mengeksploitasi geometri dan bukannya label. Memandangkan dua paparan (bingkai video stereo atau berturut-turut) dan peta kedalaman yang diramalkan serta gerakan kamera, model meledingkan satu imej untuk membina semula imej yang lain; ralat pembinaan semula tahap piksel menjadi isyarat latihan. Kehilangan 'sintesis paparan' ini bermakna kedalaman boleh dipelajari daripada video mentah yang tidak berlabel. Had utama ialah kekaburan skala: kedalaman monokular selalunya hanya betul sehingga pengganda yang tidak diketahui melainkan ditentukur terhadap rujukan atau penyeliaan metrik yang diketahui.
Kesan Strategik
Kelajuan dan skala
Visual AI boleh mengautomasikan tugas pemeriksaan, pengesanan dan penandaan pada skala.
Pilihan binaan
Pasukan kreatif boleh membuat prototaip konsep dengan lebih pantas dengan lebih sedikit semakan manual.
Pasukan dan aliran kerja
Operasi boleh menggunakan isyarat imej dan video yang sebelum ini sukar diproses.
Masa Depan Anggaran Kedalaman Monokular
Model asas kedalaman generalis yang dilatih pada berjuta-juta imej campuran sedang mendorong ke arah kedalaman metrik (skala sebenar) yang boleh dipercayai dalam mana-mana adegan, malah yang tidak pernah dilihat dalam latihan. Jangkakan gabungan yang lebih ketat dengan aliran optik dan SLAM untuk pembinaan semula pemandangan 3D penuh, model yang lebih ringan yang dijalankan secara langsung pada telefon dan set kepala, dan keteguhan sifar tangkapan yang lebih kukuh. Ini akan menjadikan persepsi spatial yang kaya murah dan ada di mana-mana, tersedia daripada mana-mana kamera tunggal dan bukannya pelantar pengesan kedalaman yang mahal.
Pelaksanaan Dunia Sebenar
Mod potret telefon pintar mensimulasikan kabur latar belakang (bokeh) dengan menganggar jarak subjek-berlawanan-latar belakang
Apl realiti diperkukuh meletakkan objek maya supaya ia duduk dengan betul di belakang perabot dunia sebenar
Dron dan robot kos rendah mengelakkan halangan menggunakan satu kamera menghadap ke hadapan
Menukar foto dan filem 2D kepada 3D dengan membuat kesimpulan kedalaman setiap piksel untuk paparan stereoskopik
Risiko & Pengawal
Hak imej dan persetujuan boleh menjadi risiko undang-undang jika asalnya tidak jelas.
Prestasi model boleh berbeza mengikut pencahayaan, demografi dan persekitaran.
Positif palsu mungkin tidak disedari melainkan ambang keyakinan dipantau.
Hala Tuju Pelaksanaan
Tentukan kriteria penerimaan untuk ketepatan, ingatan semula dan kos ralat.
Uji dengan data yang sepadan dengan keadaan pengeluaran sebenar.
Tambahkan semakan manusia untuk ramalan keyakinan rendah atau berimpak tinggi.
Jejaki hanyut model dan sahkan semula selepas perubahan kamera atau set data.
Teruskan Meneroka
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
Panduan seterusnya
Anggaran Kedalaman Stereo
Soalan lazim
What is Monocular Depth Estimation?
Anggaran kedalaman monokular meramalkan jarak setiap piksel daripada satu foto biasa — tiada kamera stereo, lidar atau penderia kedalaman diperlukan. Ia membolehkan satu kamera melihat struktur 3D daripada imej 2D rata.
Apakah yang menjadikan anggaran kedalaman 'bermonokular'?
'Monokular' bermaksud satu mata/kamera; kaedah meramalkan kedalaman daripada imej RGB tunggal tanpa stereo atau penderia kedalaman aktif.
Mengapakah anggaran kedalaman monokular pada asasnya tidak jelas?
Unjuran 2D tunggal kehilangan maklumat skala, jadi berbilang susunan 3D adalah konsisten dengan satu imej; rangkaian bergantung pada yang dipelajari sebelum menyahkekaburan.
Bagaimanakah kaedah penyeliaan sendiri mempelajari kedalaman tanpa label kebenaran asas?
Menggunakan kedalaman yang diramalkan dan gerakan kamera, model menayangkan satu imej ke imej yang lain; ralat fotometrik membekalkan isyarat pembelajaran, tiada label diperlukan.
Petunjuk yang manakah TIDAK bergantung secara langsung oleh rangkaian monokular untuk kedalaman?
Perbezaan stereo memerlukan dua kamera; kaedah monokular bergantung pada isyarat imej tunggal seperti saiz, perspektif, tekstur dan oklusi.
Apakah 'kekaburan skala' dalam kedalaman monokular?
Tanpa pengawasan metrik atau rujukan yang diketahui, kedalaman monokular memberikan struktur relatif yang betul tetapi skala mutlak yang tidak pasti.