sc_depth_pl

sc_depth_pl

通过自我监督学习实现视频中的单目深度估计

SC-Depth项目提供了SC-DepthV1, V2和V3版本的PyTorch Lightning实现,专注于从视频中进行自我监督的单目深度估计。SC-DepthV1引入了几何一致性损失和自发现蒙板,提高了深度预测的准确性。SC-DepthV2通过引入自动矫正网络(ARN)解决了手持相机视频中大相对旋转的问题。SC-DepthV3利用外部预训练的深度估计网络,在动态场景中显著提升了单目深度估计的准确性。该项目提供了详细的安装指南、数据集组织和训练流程,支持多种数据集和自定义数据的训练。了解更多关于SC-Depth的详细信息以及其在多个挑战性数据集上的评估结果。

SC-Depthpytorchmonocular depthself-supervised learningARNGithub开源项目

SC_Depth 项目介绍

SC_Depth 项目是一项关于从视频中自我监督学习单目深度估计的研究。该项目提供了 SC-Depth 的 PyTorch Lightning 实现,目前已经发展到 V3 版本。以下是各个版本的详细介绍,以及项目的一些技术要点和使用说明。

SC-DepthV1

在 SC-DepthV1 中,研究团队引入了两大创新来提高预测的深度准确性和一致性:

  1. 几何一致性损失:通过时间尺度一致的深度预测来实现。
  2. 自发现掩码:用于在训练过程中检测和去除动态区域和遮挡,以提高准确性。

这些创新确保了预测深度足够准确和一致,可以在 ORB-SLAM2 系统中使用。

SC-DepthV2

SC-DepthV2 主要关注解决在室内场景中,由手持相机捕捉视频时产生的大相对旋转运动带来的挑战。为此,该版本提出了一个自动校正网络(ARN),用于处理相邻帧之间的相对大旋转。该网络与 SC-DepthV1 集成,并与自监督损失联合训练,显著提升了性能。

SC-DepthV3

SC-DepthV3 提出了一个稳健的学习框架,用于在(极其)动态场景中进行准确和清晰的单目深度估计。由于自监督方法中的主要损失——光度损失在动态物体区域和遮挡中的无效性,该版本通过借助外部预训练的深度估计网络来生成单图像深度先验,从而在此基础上提出了有效的损失来约束自我监督的深度学习。评估结果表明,SC-DepthV3 在多个具有挑战性的静态和动态场景的数据集上展示了其有效性。

项目安装

要安装项目,用户需要创建一个 Python 3.8 的虚拟环境,并安装相关依赖包,具体步骤如下:

conda create -n sc_depth_env python=3.8 conda activate sc_depth_env conda install pytorch torchvision pytorch-cuda=11.7 -c pytorch -c nvidia pip install -r requirements.txt

数据集管理

视频数据集需按特定格式组织,用于训练和测试模型。用户可以下载我们提供的已处理数据集,如 kitti、nyu、ddad、bonn、tum 等。

训练与测试

项目提供了相应的脚本来指导用户如何进行训练和测试。对于训练,用户需要根据设备编辑配置文件,然后运行指定的训练脚本。而测试脚本则用于在各数据集上评估深度估计的精度。

自定义数据训练

对于自己的数据集,用户需要按照项目要求组织数据格式。同时,提供了一些工具与指南,帮助用户生成伪深度和验证损失,以便在没有真实深度数据时进行训练。

预训练模型与效果演示

项目中提供了不同版本在各种数据集上训练的预训练模型,用户可以下载并用于测试或演示其效果。使用提供的脚本,用户可以轻松进行效果演示和模型验证。

通过以上介绍,希望帮助大家更好地理解和使用 SC_Depth 项目进行单目深度估计的研究与应用。

编辑推荐精选

openai-agents-python

openai-agents-python

OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。

TRELLIS

TRELLIS

用于可扩展和多功能 3D 生成的结构化 3D 潜在表示

TRELLIS 是一个专注于 3D 生成的项目,它利用结构化 3D 潜在表示技术,实现了可扩展且多功能的 3D 生成。项目提供了多种 3D 生成的方法和工具,包括文本到 3D、图像到 3D 等,并且支持多种输出格式,如 3D 高斯、辐射场和网格等。通过 TRELLIS,用户可以根据文本描述或图像输入快速生成高质量的 3D 资产,适用于游戏开发、动画制作、虚拟现实等多个领域。

ai-agents-for-beginners

ai-agents-for-beginners

10 节课教你开启构建 AI 代理所需的一切知识

AI Agents for Beginners 是一个专为初学者打造的课程项目,提供 10 节课程,涵盖构建 AI 代理的必备知识,支持多种语言,包含规划设计、工具使用、多代理等丰富内容,助您快速入门 AI 代理领域。

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表

爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型,支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。

下拉加载更多