این #مقاله درباره‌ی یک روش جدید برای تخمین عمق دقیق و متریک بر اساس فاصله‌ی هر پیکسل از دوربین یا منبع تصویربرداری در تصاویر سه‌بعدی صحبت می‌کنه که بهش می‌گن Prompt Depth Anything. اساس این روش استفاده از دستگاهی به اسم LiDAR به عنوان یک راهنماست تا به مدل کمک کنه که عمق تصاویر رو با کیفیت بالا (تا رزولوشن ۴K) اندازه بگیره.
اون‌ها یک طراحی هوشمندانه دارن که LiDAR رو در بخش‌های مختلف فرآیند تخمین عمق وارد می‌کنن. البته چون پیدا کردن داده‌هایی که هم عمق LiDAR و هم عمق دقیق واقعیت (GT) رو شامل بشه سخته، یه راه‌حل مقیاس‌پذیر ارائه دادن. این شامل شبیه‌سازی داده‌های مصنوعی LiDAR و تولید داده‌های واقعی با عمق GT تقریبیه.
نتیجه اینه که این روش تونسته توی دیتاست‌های معروف مثل ARKitScenes و ScanNet++ عملکرد بهتری نشون بده و همچنین به کاربردهایی مثل بازسازی‌های سه‌بعدی، کارهای مرتبط با رباتیک و تصویربرداری پزشکی کمک زیادی بکنه.
https://promptda.github.io/
اون‌ها یک طراحی هوشمندانه دارن که LiDAR رو در بخش‌های مختلف فرآیند تخمین عمق وارد می‌کنن. البته چون پیدا کردن داده‌هایی که هم عمق LiDAR و هم عمق دقیق واقعیت (GT) رو شامل بشه سخته، یه راه‌حل مقیاس‌پذیر ارائه دادن. این شامل شبیه‌سازی داده‌های مصنوعی LiDAR و تولید داده‌های واقعی با عمق GT تقریبیه.
نتیجه اینه که این روش تونسته توی دیتاست‌های معروف مثل ARKitScenes و ScanNet++ عملکرد بهتری نشون بده و همچنین به کاربردهایی مثل بازسازی‌های سه‌بعدی، کارهای مرتبط با رباتیک و تصویربرداری پزشکی کمک زیادی بکنه.
https://promptda.github.io/
tgoop.com/AIArchitecturee/1680
Create:
Last Update:
Last Update:
این #مقاله درباره‌ی یک روش جدید برای تخمین عمق دقیق و متریک بر اساس فاصله‌ی هر پیکسل از دوربین یا منبع تصویربرداری در تصاویر سه‌بعدی صحبت می‌کنه که بهش می‌گن Prompt Depth Anything. اساس این روش استفاده از دستگاهی به اسم LiDAR به عنوان یک راهنماست تا به مدل کمک کنه که عمق تصاویر رو با کیفیت بالا (تا رزولوشن ۴K) اندازه بگیره.
اون‌ها یک طراحی هوشمندانه دارن که LiDAR رو در بخش‌های مختلف فرآیند تخمین عمق وارد می‌کنن. البته چون پیدا کردن داده‌هایی که هم عمق LiDAR و هم عمق دقیق واقعیت (GT) رو شامل بشه سخته، یه راه‌حل مقیاس‌پذیر ارائه دادن. این شامل شبیه‌سازی داده‌های مصنوعی LiDAR و تولید داده‌های واقعی با عمق GT تقریبیه.
نتیجه اینه که این روش تونسته توی دیتاست‌های معروف مثل ARKitScenes و ScanNet++ عملکرد بهتری نشون بده و همچنین به کاربردهایی مثل بازسازی‌های سه‌بعدی، کارهای مرتبط با رباتیک و تصویربرداری پزشکی کمک زیادی بکنه.
https://promptda.github.io/
اون‌ها یک طراحی هوشمندانه دارن که LiDAR رو در بخش‌های مختلف فرآیند تخمین عمق وارد می‌کنن. البته چون پیدا کردن داده‌هایی که هم عمق LiDAR و هم عمق دقیق واقعیت (GT) رو شامل بشه سخته، یه راه‌حل مقیاس‌پذیر ارائه دادن. این شامل شبیه‌سازی داده‌های مصنوعی LiDAR و تولید داده‌های واقعی با عمق GT تقریبیه.
نتیجه اینه که این روش تونسته توی دیتاست‌های معروف مثل ARKitScenes و ScanNet++ عملکرد بهتری نشون بده و همچنین به کاربردهایی مثل بازسازی‌های سه‌بعدی، کارهای مرتبط با رباتیک و تصویربرداری پزشکی کمک زیادی بکنه.
https://promptda.github.io/
BY AIA
Share with your friend now:
tgoop.com/AIArchitecturee/1680