【Depth Estimation】learning notes

原创 已于 2025-12-18 11:26:50 修改 · 908 阅读 · 16 ·
本内容遵循CC 4.0 BY-SA版权协议
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
GEO检测
收录于
Speech / Course

当前文章被收录于：

Speech / Course
98 篇文章 3 人学习
订阅专栏 查看详情
于 2025-12-17 22:59:09 首次发布

在这里插入图片描述

文章目录

Depth Anything

MiDaS->Depth-Anything

一文贯通单目深度估计-从早期卷积网络到Depth Anything系列-从原理到源码精讲

Depth-Anything

V1（2024年）单目深度估计

DA本身是在做相对深度估计，而不是绝对深度估计（又叫metric depth，度量深度），意味着场景并没有尺度信息，深度只是相对关系。

天空区域的disparity值设为0（disparity值是深度值的倒数，为0表示无穷远区域）。

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
Deep Anything容易受到透明物体和反射的影响

V2（2024年6月）

最近出现的单目深度估计可以分为两组。一组基于BEiT和DINOv2这样的判别模型，例如Depth Anything；而另一组基于Stable Diffusion这样的生成模型，例如Marigold。
在这里插入图片描述

在这里插入图片描述

真实数据的优点

在这里插入图片描述

合成数据优点

在这里插入图片描述

合成数据的缺点

在这里插入图片描述

  • Video DepthAnyThing（2025年1月）

Depth Completion

Depth Completion（深度补全）是一项计算机视觉任务，旨在从稀疏、不完整或低分辨率的深度测量数据中恢复出完整、高分辨率的深度图。以下是关于该任务的详细解释：

任务定义
输入：通常包括一个稀疏的深度图（如来自LiDAR、结构光传感器或双目视觉的稀疏点云）以及对应的RGB图像（可选）。
输出：一个密集的、高分辨率的深度图，其中每个像素都对应一个有效的深度值。

在这里插入图片描述

Monocular Depth Estimation

参考学习整理来自：如何实现视觉深度估计？单/双目+几何算法/深度学习网络

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
配合目标检测测距

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
pipeline 和分割网络类似

以下面这篇论文为例

Song M, Lim S, Kim W. Monocular depth estimation using laplacian pyramid-based depth residuals[J]. IEEE transactions on circuits and systems for video technology, 2021, 31(11): 4381-4393.
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
轮廓比较难学

在这里插入图片描述
用减法，laplace 金字塔，对应 code

在这里插入图片描述

在这里插入图片描述

SPP

在这里插入图片描述
空洞卷积

在这里插入图片描述
ASPP，蓝色处，空洞+SPP

ASPP 之前卷积做了一个标准化的操作（减均值，除以方差）

在这里插入图片描述
对卷积做了标准化的操作
在这里插入图片描述

在这里插入图片描述
能用尽用，R 的 channel 为 1，蓝色 252，红色 3，黄色 1，concat 在一起 256

在这里插入图片描述
coarse to fine 的过程，D 的 channel 为 1

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

pre-activation 先 x 激活再 w 和 b

在这里插入图片描述

关于 D 的理解：要近都近，要远都远，有的地方比 GT 近，有的地方比 GT 远，不是好的预测

整个 loss，要求 predict 和 GT 越近越好，同时，predict 和 GT 的误差尽可能的同符号

公式化表达如下：scale invariant loss
在这里插入图片描述

公式2 表达的意思，两个点深度的变化应该和对应 GT 的变化保持一致

在单目深度估计中，由于缺乏绝对尺度（scale ambiguity），模型可能输出一个整体缩放后的深度图，但形状仍然正确

在这里插入图片描述

双目已有几何约束，不需要尺度模糊，引入尺度不变性反而违背了双目系统的物理基础

双目深度估计更合适的损失函数

在这里插入图片描述

在这里插入图片描述

标签
#深度学习 #计算机视觉 #人工智能 #深度估计 #depth anything
【Paper Reading】
bryant_meng
08-09 4570
欧洲人一般比较看中理论，但是从最近一次会议来看，似乎大家也开始注重应用了，oral里面的demo非常之多，演示效果很好，让人赏心悦目、叹为观止。不过欧洲的会有一个不好，就是他们的人通常英语口音很重，有些人甚至不太会说英文，所以开会和交流的时候，稍微有些费劲。《International Comference on Computer Vision》，正如很多和他一样的名字的会议一行，这样最朴实的名字的会议，通常也是这方面最nb的会议。那么一年过去了，合格的论文评审人员的增幅是否赶得上论文的增幅呢？
机器学习工程师成长路线图：从工具书到思想书的进阶路径
weixin_30245867的博客
07-02 390
机器学习（ML）是一门融合统计学、编程与工程实践的交叉学科，其核心在于理解算法原理、掌握工具链并构建可解释的业务模型。初学者常因混淆‘工具书’（如Hands-On ML，重在端到端实现）、‘原理书’（如ESL，聚焦偏差-方差、正则化等统计基础）和‘思想书’（如Goodfellow《深度学习》，强调表征学习与生成式建模）而陷入低效学习。科学路径应遵循认知负荷理论：先以Python和scikit-learn建立数据→模型→评估的肌肉记忆，再通过数学直觉深化对损失函数、梯度下降、贝叶斯推断等关键概念的理解，最终在
【Index to Lectures or Courses】
bryant_meng
04-16 1317
大规模公司的PM都分得非常细致，比如TPM (Technologly Of Project Management)，即专门管技术的PM，而普通的PM，只管理项目的进度各协调工作，PM这个部门通常存在于那些自己设计，自己生产，自己销售手机的公司，AM（Account Manager）的职位恐怕大家都不陌生，作为客户经理，对公司内部是代表客户提出要求，对外则代表公司的整体形象，在两者之间起着不可或缺的桥梁作用。手机的前壳、后壳、手机的摄像镜头位置的选择，固定的方式，电池如何连接，手机的厚薄程度。
MIT深度学习实战路径：从作业驱动到工业级落地
alexhill2009的博客
06-16 440
深度学习作为人工智能的核心技术，其学习路径正从理论推导转向工程实践与前沿复现。理解神经网络底层机制（如门控结构、注意力掩码、KV缓存）是掌握Transformer、LLM推理优化等state-of-the-art方法的前提；而MIT公开课程的价值，正在于以作业为锚点，将模型压缩、分布式训练、CUDA加速等硬核能力嵌入可验证的代码闭环中。这种‘理论→实现→调试→优化’的递进范式，天然适配工业界对可迁移建模思维和真实项目背书的需求——无论是复现FlashAttention内核，还是用LoRA微调Qwen-1.5
【Reading Notes】（7）Favorite Articles from 2024
bryant_meng
01-17 9752
我可以毫不犹豫地告诉你们，你们所做的每一个决定、每一项努力、每一次招聘、取得的每一个成就，以及你们所塑造的公司文化，都将在接下来的30天内决定公司的命运——是充满活力、持续成功，还是走向破产。这种需要，具体而言，就是客户在模型上的选择，毕竟“没有一个模型可以一统天下”，每个模型都有自己所擅长的领域。这次，OpenAI着重介绍了Sora的几项功能：Remix（重混）、Re-cut（重新剪辑）、Storyboard（故事板）、Loop（循环）、Blend（混合）以及Style presets（风格预设）。
【Reading Notes】（1）
bryant_meng
11-20 9338
荼縻是最后盛开的，前面的灿烂与它无关，以后的凋零也与它无关，它的归宿是当一朵被遗忘在永恒中的彼岸花。”“荔枝”两字，透出事情的原委。：是一句名言，这两句用于强调国家的文臣武将，特别是选拔高层的官员和将领，一定要从有基层实际工作经验的人中选拔。：李白寄情于酒，及时行乐，豪放豁达，这都是面对现实时无奈的掩饰和悲愤的消解，无非是自我安慰。：（zhuǎn），有些东西你刻意去寻找反而找不到，不如放松心情惬意而去，那本来找不到的东西就突然出现在眼前了。：在人世间最留不住的是，那在镜中一去不复返的青春和离树飘零的落花。
【自动聚焦】显微镜的景深
bryant_meng
01-29 7051
图1 显微镜镜座：支持、稳定作用镜柱：支持作用镜臂：连接作用（可以手握旋转，便于观察）细准焦螺旋：升降镜筒粗准焦螺旋：升降镜筒镜筒：连接目镜与物镜转换器：调换物镜目镜：放大图像图2 目镜物镜：放大图像图3 物镜载物台：放置玻片通光孔：光线通过压片夹：固定玻片遮光器：调节光线强弱图4 通光孔反光镜：反射光线（光线较强时，用平面镜，较弱时，用凹面镜）
【Career Exploration and Selection】
bryant_meng
07-29 3512
《职业的探索与选择》学习笔记！ 授课老师：清华大学职业发展中心的金蕾莅 简介：职业的探索与选择不仅是毕业生的紧急任务，也是普通大学生在学习期间的重要任务之一。职业的选择不仅仅是找到一份工作，也是个人在与职业环境的互动中，更加知道“我”想成为一个什么样的人，并且努力完成一系列生涯任务的生命历程。 文章目录1 关注职业生涯1.1 让职场榜样带出愿景1.2 快问快答：职业规划有必要吗？1.3 什么是职业生涯？1.4 你将学到什么2 职业信息的搜集与分析2.1 感知工作世界的经验来源2.2 认知工作世
【Paper material】
bryant_meng
03-16 2992
文章目录使用灵感来自于提出，猜测，发现被称为缓解问题效果提升效果不好速度和精度的权衡连接词值得注意的是图 使用 employ …… to （use……to）（用什么） utilize （用） leverage （利用） yielding （产生） super-impose （叠加） v，例如：we super-impose the channels from the different keypoints 灵感来自于 In this paper, we propose an architectur..
【ISP】WDR and HDR
bryant_meng
06-22 2470
当在强光源（日光、灯具或反光等）照射下的高亮度区域及阴影、逆光等相对亮度较低的区域在图像中同时存在时，摄像机输出的图像会出现明亮区域因曝光过度成为白色，而黑暗区域因曝光不足成为黑色，严重影响图像质量。摄像机在同一场景中对最亮区域及较暗区域的表现是存在局限的，这种局限就是通常所讲的。摄像机的（通常指动态范围）是指摄像机能够同时清晰捕捉场景中最亮部分和最暗部分细节的能力。动态范围越大，摄像机在处理高对比度场景时的表现就越好。
【Romance of the Three Kingdoms】
bryant_meng
05-12 2451
文章目录★★★★★【群雄逐鹿】★★★★★1 桃园三结义2 十常侍乱政3 董卓霸京师4 孟德献刀5 三英战吕布6 连环计7 凤仪亭8 三让徐州9 孙策立业10 辕门射戟11 宛城之战12 13 白门楼14 煮酒论英雄15 袁曹起兵16 关羽约三事17 挂印封金18 千里走单骑19 古城相会20 孙策之死21 22 官渡之战★★★★★【赤壁鏖战】★★★★★23 大破袁绍24 跃马檀溪25 刘备求贤26 回马荐诸葛27 三顾茅庐28 火烧博望城29 携民渡江30 舌战群儒31 智激周瑜32 周瑜空设计33 群英会
【Reading Notes】（2）
bryant_meng
01-02 2388
社交媒体在诞生之初，本意是做一个最为透明、最为公平、普惠大众的公众传播平台，但由于算法基于人类偏好的推荐，及带有特定企图的传播者作祟，造成社交网络的破碎凌乱，煽动的、谬误的、偏见的信息被放大传播，不仅没法帮助我们理性讨论，也欠缺帮助人们做出最佳集体决策的能力。用最优秀的人去培养更优秀的人，基础研究+基础教育，对未来的投资，教师，马太效应，越来越差。北京，中官村（中关村），太监老了被轰出宫，大太监买了一块地，做坟地，保福寺北城，官宦，教授，富人，知识分子，说的基本就是普通话，南城，穷人（老北京），
【Reading Notes】（3）Favorite Articles from 2020
bryant_meng
12-03 2387
就好像对人脑的理解一样，对于深度学习模型的理解依然很单薄。验证码被命名为CAPTCHA，是“自动区分计算机和人类的图灵测试”（CompletelyAutomatedPublicTuringtesttotellComputersandHumansApart）的缩写，以一种在线表格测试的形态存在，用来验证用户是真人而非机器人。报告显示，在2023年的车载激光雷达市场，中国厂商依然是领跑全球，禾赛科技、速腾聚创、图达通、华为以及览沃等中国激光雷达供应商，合力拿下了全球84%的市场份额。
【linux】Linux vs Android
bryant_meng
06-16 2292
GNU是自由软件运动的基石，通过提供工具链和许可证，赋予用户对技术的控制权。它与Linux的结合催生了现代开源生态，深刻影响了软件开发、教育、科研等领域。理解GNU不仅关乎技术，更关乎对自由与协作精神的追求。
【Weather Classification】reading notes
bryant_meng
10-29 2166
文章目录1 Background1.1 应用背景1.2 天气特点1.3 方法分类1.4 研究的挑战1.5 常用多类别天气图像库2 Methods2.1《多类别天气图像分类算法研究》——王珊（2019.5）2.2《基于CNN和迁移学习的室外天气图像分类研究与应用》——米俊桦（2020.6）2.3《基于卷积神经网络的天气识别方法研究》——施雨舟（2018.1）2.4 《基于局部感知的场景图象识别》——张晋（2019.4）2.5 《基于卷积神经网络的浓雾天气形势图识别与分类方法研究》——刘小明（2018.6）2.
【NBA】National Basketball Association Champions Throughout History
bryant_meng
02-04 2126
季后赛中，湖人先后淘汰了俄克拉荷马城雷霆队、犹他爵士队和菲尼克斯太阳队，最终在总决赛中与波士顿凯尔特人队大战七场，最终以4-3的比分战胜对手，成功卫冕总冠军‌。詹姆斯在总决赛中表现出色，尤其是在第六场比赛中砍下45分，帮助球队晋级抢七，并在抢七中获胜，赢得了总决赛MVP（FMVP）‌。他们在季后赛第一轮以4-1的总比分轻松战胜森林狼队，随后在西部半决赛中以4-2的总比分击败太阳队，最终在西部决赛中战胜湖人队（老詹），晋级总决赛并最终夺冠‌。6.1-6.13 达拉斯独行侠队 4-2 迈阿密热火队（老詹）
【National Treasure】
bryant_meng
07-31 1958
文章目录一、故宫博物院（1925年，即将迎接紫禁城第600个春秋）二、湖北省博物馆（集荆楚文化大成，24W馆藏）三、河南博物院（华夏之中，上古文明开源之地 17W+）四、陕西历史博物馆（以周秦汉唐四朝文明定鼎天下，170W件）五、辽宁省博物馆（新中国的第一座博物馆）六、湖南省博物馆（见证华夏文明多源头格局的历史艺术博物馆）七、传颂万年越地长歌的浙江省博物馆（十万余件官藏）九、南京博物院（第一座由国家投资新建的大型综合博物馆） 《国家宝藏》观感笔记！！！ 前世今生，堪与日月挣辉 一、故宫博物院（1925..
【阅读笔记】
bryant_meng
08-10 1819
文章目录《动物农场》《乡村教师》《变形记》--卡夫卡《司炉工》--卡夫卡《俞刚：我在旷视研究院做检测》《老光棍布鲁姆菲尔德》--卡夫卡《地洞》--卡夫卡《一份致某科学院的报告》--卡夫卡《速度的力量》（音频）《科技的力量》《行疆》（纪录片）《虫师》（日漫）《虫师》（第二季）《荒野间谍》（第一季）《半小时漫画中国史》《三体》科研心得Bonus 《动物农场》 被奴役得久了，总是习惯当一个跟随者，从来没有自己的想法。没有独立思考的能力就容易被奴役和煽动。眼睛能看到的都是上位者展现出来的东西，思维上的懒惰才是毁
【Touching China】2002-2006
bryant_meng
05-02 1789
颁奖辞：他已经拥有了财富，但他心里装着还在贫苦生活中的乡亲，他已经走出了大山，但他还想让所有乡亲都能够走出与世隔绝的山崖，他成就了一个多少代人未能实现的梦想，他拿出愚公移山的执著和勇气劈开了大山，在悬崖峭壁上为乡亲们开凿出通往外面世界的大道，更在人们的心中打开了一扇希望之门。它结束了一段贫困的历史，开创出一种崭新的生活。颁奖辞：她用自己的大智大勇向一个虚假的神话提出质疑，面对一个强大的集团，面对一张深不可测的网，面对死亡的威胁，她以自己个人的力量坚持着这场强弱悬殊的战争，坚守着正义和良心的壁垒。
PyTorch从零手写CNN实现CIFAR-10物体分类（完整实战·单篇完结）
最新发布
dream_it_come_in的博客
07-11 386
CIFAR-10 是开源通用彩色图像分类数据集，包含现实场景中常见的低分辨率物体图像，数据分布均衡、场景丰富，广泛用于模型性能对比与算法验证。数据集核心参数：样本总量：60000张彩色图像训练集：50000张，测试集：10000张图像尺寸：统一32×32 RGB三通道彩色图像分类类别：10类（飞机、汽车、鸟类、猫咪、小鹿、狗狗、青蛙、马匹、船只、卡车）任务属性：细粒度多分类，存在类间相似度高、背景干扰多等问题。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值