面向非朗伯面鲁棒的单目深度估计
原文中文，约400字，阅读约需1分钟。发表于：。本研究解决了单目深度估计在处理透明或镜面等非朗伯面时的预测失败问题。作者提出了一种新颖的训练框架，通过非朗伯面区域引导和随机色调映射增强模型的鲁棒性，并引入了变分自编码器的照明融合模块。在Booster和Mirror3D数据集上，所提方法使得零-shot测试的准确率分别提高了33.39%和5.21%。
本文介绍了单目深度估计方法在恶劣照明和天气条件下的不可靠性，并介绍了md4all解决方案。该解决方案在逆境和理想条件下以及不同类型的学习监督下都能可靠工作。实验证明该技术在nuScenes和Oxford RobotCar数据集上都优于先前的工作。
