Questionário vinculado ao guia · Difícil Nível
Questionário de estimativa de profundidade monocular
Avalie a ambiguidade da profundidade monocular, a síntese de visão auto-supervisionada, a escala relativa e as evidências do modelo de profundidade específico da versão.
Pergunta 1 de 8
O que torna a estimativa de profundidade 'monocular'?
Visualize cada pergunta8 perguntas
As respostas e explicações aparecem conforme você responde ao teste.
- O que torna a estimativa de profundidade 'monocular'?
- Ele infere profundidade a partir de uma única imagem ou câmera, não de estéreo ou sensores
- Ele usa duas câmeras espaçadas como olhos humanos
- Funciona apenas em imagens em preto e branco
- Requer um scanner lidar conectado à câmera
- 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
- Em qual sugestão as redes monoculares NÃO dependem diretamente para obter profundidade?
- Tamanho relativo dos objetos
- Gradientes de textura e perspectiva
- Oclusão (qual objeto bloqueia outro)
- Disparidade estéreo entre duas câmeras simultâneas
- 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