在深度相机眼中,玻璃墙基本上是空的。这个模型能把它填补回来。
摘要
提出了一种模型,用于填补深度相机在遇到玻璃墙等透明表面时缺失的深度数据,解决了常见的传感器局限性。
暂无内容
相似文章
@heyshrutimishra:没人提过这事——市面上所有机器人都看不见玻璃。放面镜子在它面前,或是一个玻璃瓶,它直接就……失灵了。
LingBot-Depth 2.0 基于 1.5 亿样本训练,解决了机器人长期以来的玻璃/透明物体感知盲区,在 12/16 项深度基准测试中夺得榜首,深度误差减半。蚂蚁集团利用该技术大幅提升了其机器人的感知能力。
同一场景,两种深度:探索单目基础模型中的几何模糊性
引入MultiDepth-3k基准,用于评估单目深度基础模型中的深度层偏好,并展示拉普拉斯视觉提示(Laplacian Visual Prompting)可以改变报告的深度层,表明不同模型之间存在互补的几何假设。
基于多视角基础模型的统一全景几何估计
PaGeR 适配了多视角透视基础模型 Depth Anything 3,利用固定的立方体贴图表示,从单张等距柱状投影图像中预测尺度不变深度、度量深度、表面法线和天空分割,同时保持 VRAM 和运行时间恒定。本文还发布了 ZüriPano 和 PanoInfinigen 数据集。
αDepth:学习单次软边界分解用于立体转换
αDepth 引入了一种带有圆形Alpha表示(CAR)的分层表示,以解决立体转换中的软边界挑战,无需手动指导即可实现最先进的性能。
基于传感器有效性掩码的掩码深度建模:在8个掩码/稀疏深度基准测试中的7个上取得最佳RMSE,以及受控编码器初始化研究[R]
本文提出了基于传感器有效性掩码的掩码深度建模,在8个掩码/稀疏深度基准测试中的7个上取得了最佳RMSE,并进行了受控编码器初始化研究。