Оцінка глибини дифузії календули
Marigold перепрофілює попередньо навчену дифузійну модель генерації зображень (Stable Diffusion) для прогнозування високодетальних карт глибини.
Огляд
It shows you can turn a generator's rich visual knowledge into a precise perception tool with surprisingly little training data.
Глибоке занурення
Marigold (ETH Zurich, CVPR 2024 Best Paper Honourable Mention) переглядає оцінку глибини як умовну проблему генерації. Замість навчання мережі глибини з нуля він точно налаштовує стабільну дифузію, щоб «генерувати» карту глибини на основі вхідного зображення. Розуміння полягає в тому, що модель, навчена синтезувати фотореалістичні зображення, вже вивчила геометрію сцени, освітлення та структуру глибоко в своєму прихованому просторі, саме те, що потрібно для глибини. Примітно, що Marigold було налаштовано лише на синтетичних наборах даних (таких як Hypersim і Virtual KITTI), але добре узагальнює реальні фотографії з нуля. Він створює афінно-інваріантну відносну глибину з винятково дрібними деталями, хоча ітераційне видалення шумів робить його повільнішим, ніж моделі прямого зв’язку, такі як DepthAnything.
Технічне розуміння
Marigold працює в прихованому просторі Stable Diffusion. І зображення, і карта глибини кодуються одним і тим же VAE; U-Net точно налаштовано для придушення латентної глибини, залежно від латентної чистого зображення. Під час висновку він запускає стандартний ітеративний цикл усунення шумів, а потім декодує приховану глибину. Оскільки він виконує вибірку, кілька запусків можна об’єднати для стабільності, обмінюючи обчислення на точність. Пізніші «LCM» і одноступінчасті дистильовані версії скорочують десятки ступенів до одного проходу.
Стратегічний вплив
Швидкість і масштаб
Візуальний штучний інтелект може автоматизувати масштабні завдання перевірки, виявлення та позначення тегами.
Створіть вибір
Творчі групи можуть створювати прототипи концепцій швидше з меншою кількістю переглядів вручну.
Команда та робочий процес
Операції можуть використовувати зображення та відеосигнали, які раніше було важко обробити.
Майбутнє оцінки глибини дифузії календули
Рецепт Marigold, який точно налаштовує попередні дифузії для щільного прогнозування, узагальнює межі глибини до нормалей поверхні, власне розкладання зображення та оцінку матеріалу. Швидші дистильовані варіанти та моделі консистенції скорочують розрив у швидкості з мережами прямого зв’язку, роблячи сприйняття на основі дифузії життєздатним в інтерактивних інструментах. Очікуйте ширшої тенденції, коли один попередньо навчений генеративний хребет буде адаптований до багатьох завдань геометрії та сприйняття, зменшуючи потребу у великих наборах даних із мітками для конкретних завдань.
Реалізація в реальному світі
Вилучення дрібної глибини з архітектурних фотографій і фотографій продуктів для повторного освітлення та 3D-мокапів.
Створення високодеталізованих карт глибини, які використовуються як кондиціонування для генерації керованих зображень і відео.
Допомагаємо командам знімків і VFX у роботі з матовим і паралактичним знімками, де точність країв має значення.
Служить базовою лінією дослідження, що показує, як адаптувати генеративні априори до задач щільного прогнозування.
Ризики та огорожі
Права на зображення та згода можуть стати юридичними ризиками, якщо походження невідоме.
Продуктивність моделі може відрізнятися залежно від освітлення, демографічних показників і середовища.
Помилкові спрацьовування можуть залишитися непоміченими, якщо не відстежувати пороги довіри.
Дорожня карта впровадження
Визначте критерії прийнятності для точності, відкликання та вартості помилок.
Тестуйте з даними, які відповідають реальним умовам виробництва.
Додайте перевірку людиною для прогнозів із низьким рівнем достовірності або високого впливу.
Відстежуйте дрейф моделі та повторно перевіряйте після зміни камери або набору даних.
Продовжуйте досліджувати
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 Marigold Diffusion 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
Наступний посібник
Монокулярна оцінка глибини
Часті запитання
What is Marigold Diffusion Depth Estimation?
Marigold перепрофілює попередньо навчену дифузійну модель генерації зображень (Stable Diffusion) для прогнозування високодетальних карт глибини. Це показує, що ви можете перетворити багаті візуальні знання генератора на інструмент точного сприйняття за допомогою напрочуд мало навчальних даних.
На основі якої попередньо підготовленої моделі будується Marigold?
Marigold точно налаштовує модель латентної дифузії Stable Diffusion для створення карт глибини.
Як Marigold формулює завдання оцінки глибини?
Він розглядає глибину як щось, що має бути «генероване» залежно від вхідного зображення, повторно використовуючи механізм дифузії.
Що здивувало в тренувальних даних Маріголд?
Marigold було налаштовано на синтетичних даних, таких як Hypersim і Virtual KITTI, але узагальнює нульовий знімок на реальні фотографії.
Чому Marigold зазвичай повільніше, ніж моделі глибини прямої подачі?
Дифузійні моделі усувають шум на кількох кроках, що робить висновок повільнішим, ніж один прохід вперед.
У якому просторі чорнобривці здійснюють процес дифузії?
І зображення, і глибина кодуються в прихованому просторі VAE, де U-Net усуває шум.