360 度广域：深度预测与视角合成数据集
内容提要
本文研究360度图像的深度估计，提出通过结合360°图像与激光雷达数据创建360Loc数据集，以解决高质量数据集不足的问题，从而提高视觉定位的准确性。同时，介绍了360VOT追踪基准数据集，包含113K帧高分辨率图像，用于评估20种视觉追踪算法的性能。整体上，为360度图像的深度估计和目标追踪提供了新的方法和数据集。
延伸解读
360Loc：跨设备视觉定位的新基准
360Loc是首个基于视觉定位的跨设备数据集，通过结合360°图像和激光雷达数据生成全景真实6DoF姿态。它支持360°视图映射，并通过虚拟相机方法为不同查询类型提供公平比较。研究显示，全景视觉定位在对称和重复结构的大规模场景中更稳健，这为实际应用提供了重要参考。
360VOT：全向追踪的挑战与评估
360VOT基准包含120个场景的113K高分辨率等距投影帧，涵盖32个追踪目标类别。针对大变形和拼接伪影等挑战，作者提出了边界视野表示和通用追踪框架，并引入新度量标准。对20种先进追踪算法的评估为未来研究提供了基准，但算法在360°图像上的性能仍有提升空间。
深度估计方法：从切线图像到自监督
基于切线图像的方法将360°图像投影到切线平面，利用现有单目深度估计器，通过可变形多尺度对齐和梯度域混合生成高分辨率深度图。自监督球面视图合成方法则探索了学习单目360°深度的可行性，并指出替代性研究方向可能更适合高质量深度感知。这些方法各有优劣，需根据应用场景选择。
Q&A
360Loc数据集的主要特点是什么？
360Loc是首个基于可视定位的横跨设备视觉定位数据集，通过结合360°图像和激光雷达数据生成全景真实6DoF姿态。
360VOT追踪基准数据集包含哪些内容？
360VOT追踪基准数据集包含113K帧高分辨率图像，用于评估20种视觉追踪算法的性能，涵盖32个类别的追踪目标。
如何提高360度图像的深度估计准确性？
通过结合360°图像与激光雷达数据，使用重新渲染的3D在线数据集来解决高质量数据集的缺乏，从而提高深度估计的准确性。
文中提到的边界视野表示方式有什么作用？
边界视野是一种新颖的目标定位表示方式，旨在解决360度图像中由于大变形和拼接伪影带来的挑战。
自我监督的球面视图综合方法的可行性如何？
研究展示了自我监督的球面视图综合方法在学习单目360度深度方面的可行性，并提出了几何形式的水平和垂直基线。
360度图像在虚拟现实中的应用有哪些？
360度图像的深度估计在虚拟现实、自主导航和沉浸式媒体应用中至关重要。
