チューリッヒ工科大学(ETH Zurich)の研究者らは、Stable DiffusionのオープンソースモデルであるMarigoldを改良することで、単眼深度推定における革新的な成果を達成しました。
実際の深度画像のトレーニングデータを使用することなく、ノイズ除去U-Netモジュールを微調整することで、優れた性能を実現しました。合成データを用いたトレーニングにより、Marigoldは幅広いシーンを学習し、未知のデータセットに対する汎化能力を高めることができます。
その核心技術は、Stable Diffusionの事前知識を活用し、アフィン不変深度推定法を用いて、カメラ内部パラメータの不確定性によって生じる深度推定誤差を除去することです。
【AIデイリー】へようこそ！ここは、毎日人工知能の世界を探求するためのガイドです。毎日、開発者に焦点を当て、技術トレンドを洞察し、革新的なAI製品アプリケーションを理解するのに役立つ、AI分野のホットなコンテンツをお届けします。
バイトダンスは、次世代のDepth Anything V2深度モデルを発表しました。このモデルは、単眼深度推定において大幅な性能向上を実現しています。前世代のDepth Anything V1と比較して、V2版はより精細なディテールと高い堅牢性を備え、同時に効率性も大幅に向上しており、Stable Diffusionベースのモデルと比べて10倍以上の高速化を実現しました。
Depth Anythingは、大規模な無注釈画像を利用した単眼深度推定モデルであり、強力な性能と実用性を備えています。Depth Anythingは実用的なソリューションであり、優れたゼロショット能力と効果を発揮します。大規模な無注釈データの収集と自動アノテーションを行うデータエンジンを設計することで、データセットの規模を拡大し、汎化誤差を低減しています。本モデルは、共有エンコーダーと2つの独立したデコーダーを使用して、深度予測結果とセグメンテーション予測結果を取得します。