淘宝客网站模板,网站备案需要审核多久,字体设计赏析,网页游戏排行榜2024前十名单目深度估计一直是计算机视觉领域的难点。仅凭一张 RGB 图像,想要还原出场景的三维结构,在几何结构上非常不确定,必须依赖复杂的场景理解能力。
即便使用更强大的深度学习模型来实现#xff0c;也面临算力需求高、图像数据注释量大、泛化能力弱等缺点。
为了解决这些难题也面临算力需求高、图像数据注释量大、泛化能力弱等缺点。
为了解决这些难题苏黎世联邦理工学院的研究人员开发了Marigold模型。Marigold不需要从零开始训练而是在Stable Diffusion著名开源文生图模型的基础上进行微调只需要使用合成数据微调了中间的去噪网络,其他模块例如编码/解码结构均保持原样,极大降低了训练成本。
实验数据显示尽管Marigold从未直接学习过真实的深度信息但在真实场景的测试中其性能却超越了其他专门训练过的模型并且迁移、兼容性非常强。
开源地址https://github.com/prs-eth/Marigold
论文地址https://arxiv.org/abs/2312.02145 Marigold的核心技术思路是利用Stable Diffusion模型所捕获的丰富先验知识来提升深度估计的泛化能力和性能。
简单来说就是把Stable Diffusion当成一个图片查询数据库只修改其去噪模块就变成了可实现单目深度估计的全新模型。
Marigold的关键点在于保持预训练扩散模型的潜在空间只对去噪U-Net进行修改和微调。
这种方法非常高效无需实际深度图像的训练数据就能在多个真实数据集上取得出色的性能表现。 Marigold提供了一个简单而资源高效的微调协议将预训练的扩散生成模型转化为图像条件的深度估计器成为了一种功能强大的单目深度估计模块。
Marigold通过使用合成的RGB-D数据以及在一块消费级显卡上只训练了几天将Stable Diffusion转化为Marigold模型。主要流程如下
去噪U-Net
研究人员主要通过修改和微调Stable Diffusion模型的去噪U-Net模块来实现深度估计。去噪U-Net是一个编码器-解码器结构的神经网络用于从输入图像中学习去除噪声的表示。 在Marigold模型中研究人员保持了扩散模型的潜空间不变只对去噪U-Net模块进行微调以适应深度估计任务。
合成数据训练
为了微调Marigold模型研究人员使用了合成的RGB-D训练数据对模型进行训练。合成数据是通过在虚拟环境中渲染图像并生成对应的深度图来创建的。
通过使用合成数据进行训练Marigold可以学习到广泛的场景和物体形状从而提高其在未见过数据集上的泛化能力。
仿射不变深度估计
Marigold使用了一种仿射不变的深度估计方法能够估计图像中每个像素的深度值而不受全局偏移和尺度的影响。 这种仿射不变性对于在不同场景和尺度下进行深度估计非常重要。通过估计仿射不变的深度Marigold可以消除由于相机内参的不确定性而引入的深度估计误差。
本文素材来源Marigold论文如有侵权请联系删除
END
