單目深度估計一直是計算機視覺領域的難點。僅憑一張 RGB 圖像,想要還原出場景的三維結構,在幾何結構上非常不確定,必須依賴復雜的場景理解能力。
即便使用更強大的深度學習模型來實現(xiàn),也面臨算力需求高、圖像數(shù)據(jù)注釋量大、泛化能力弱等缺點。
為了解決這些難題,蘇黎世聯(lián)邦理工學院的研究人員開發(fā)了Marigold模型。Marigold不需要從零開始訓練,而是在Stable Diffusion(著名開源文生圖模型)的基礎上進行微調(diào),只需要使用合成數(shù)據(jù)微調(diào)了中間的去噪網(wǎng)絡,其他模塊例如,編碼/解碼結構均保持原樣,極大降低了訓練成本。
實驗數(shù)據(jù)顯示,盡管Marigold從未直接學習過真實的深度信息,但在真實場景的測試中,其性能卻超越了其他專門訓練過的模型,并且遷移、兼容性非常強。
Marigold的核心技術思路是,利用Stable Diffusion模型所捕獲的豐富先驗知識,來提升深度估計的泛化能力和性能。
簡單來說,就是把Stable Diffusion當成一個圖片查詢數(shù)據(jù)庫,只修改其去噪模塊,就變成了可實現(xiàn)單目深度估計的全新模型。
Marigold的關鍵點在于保持預訓練擴散模型的潛在空間,只對去噪U-Net進行修改和微調(diào)。
這種方法非常高效,無需實際深度圖像的訓練數(shù)據(jù),就能在多個真實數(shù)據(jù)集上取得出色的性能表現(xiàn)。
Marigold提供了一個簡單而資源高效的微調(diào)協(xié)議,將預訓練的擴散生成模型轉化為圖像條件的深度估計器,成為了一種功能強大的單目深度估計模塊。
Marigold通過使用合成的RGB-D數(shù)據(jù)以及在一塊消費級顯卡上只訓練了幾天,將Stable Diffusion轉化為Marigold模型。主要流程如下:
去噪U-Net
研究人員主要通過修改和微調(diào)Stable Diffusion模型的去噪U-Net模塊,來實現(xiàn)深度估計。去噪U-Net是一個編碼器-解碼器結構的神經(jīng)網(wǎng)絡,用于從輸入圖像中學習去除噪聲的表示。
在Marigold模型中,研究人員保持了擴散模型的潛空間不變,只對去噪U-Net模塊進行微調(diào),以適應深度估計任務。
合成數(shù)據(jù)訓練
為了微調(diào)Marigold模型,研究人員使用了合成的RGB-D訓練數(shù)據(jù),對模型進行訓練。合成數(shù)據(jù)是通過在虛擬環(huán)境中,渲染圖像并生成對應的深度圖來創(chuàng)建的。
通過使用合成數(shù)據(jù)進行訓練,Marigold可以學習到廣泛的場景和物體形狀,從而提高其在未見過數(shù)據(jù)集上的泛化能力。
仿射不變深度估計
Marigold使用了一種仿射不變的深度估計方法,能夠估計圖像中每個像素的深度值,而不受全局偏移和尺度的影響。
這種仿射不變性對于在不同場景和尺度下進行深度估計非常重要。通過估計仿射不變的深度,Marigold可以消除由于相機內(nèi)參的不確定性,而引入的深度估計誤差。
文章內(nèi)容僅供閱讀,不構成投資建議,請謹慎對待。投資者據(jù)此操作,風險自擔。
近日,德國柏林國際電子消費品展覽會(IFA2024)隆重舉辦。憑借在核心技術、產(chǎn)品設計及應用方面的創(chuàng)新變革,全球領先的智能終端企業(yè)TCL實業(yè)成功斬獲兩項“IFA全球產(chǎn)品設計創(chuàng)新大獎”金獎,有力證明了其在全球市場的強大影響力。
近日,中國家電及消費電子博覽會(AWE 2024)隆重開幕。全球領先的智能終端企業(yè)TCL實業(yè)攜多款創(chuàng)新技術和新品亮相,以敢為精神勇闖技術無人區(qū),斬獲四項AWE 2024艾普蘭大獎。
“以前都要去窗口辦,一套流程下來都要半個月了,現(xiàn)在方便多了!”打開“重慶公積金”微信小程序,按照提示流程提交相關材料,僅幾秒鐘,重慶市民曾某的賬戶就打進了21600元。
由世界人工智能大會組委會、上海市經(jīng)信委、徐匯區(qū)政府、臨港新片區(qū)管委會共同指導,由上海市人工智能行業(yè)協(xié)會聯(lián)合上海人工智能實驗室、上海臨港經(jīng)濟發(fā)展(集團)有限公司、開放原子開源基金會主辦的“2024全球開發(fā)者先鋒大會”,將于2024年3月23日至24日舉辦。