Helvipad: A Real-World Dataset for Omnidirectional Stereo Depth Estimation
Created by
Haebom
Category
Empty
저자
Mehdi Zayene, Jannik Endres, Albias Havolli, Charles Corbiere, Salim Cherkaoui, Alexandre Kontouli, Alexandre Alahi
개요
본 논문은 다양한 환경에서 촬영된 4만 장의 비디오 프레임으로 구성된, 전방향 스테레오 깊이 추정을 위한 실제 세계 데이터셋인 Helvipad를 소개합니다. 두 개의 360도 카메라와 LiDAR 센서를 사용하여 수집된 이 데이터셋은 3D 점 구름을 정사각형 이미지에 투영하여 정확한 깊이 및 불일치 레이블을 포함합니다. 또한, 깊이 완성을 사용하여 레이블 밀도를 높인 증강된 학습 세트도 제공합니다. 논문에서는 표준 및 전방향 이미지에 대해 주요 스테레오 깊이 추정 모델의 성능을 벤치마킹하고, 최신 스테레오 방법이 어느 정도 성능을 보이지만 전방향 이미징에서 깊이를 정확하게 추정하는 데는 여전히 어려움이 있음을 보여줍니다. 이를 해결하기 위해 스테레오 모델에 필요한 수정을 제안하여 성능 향상을 달성합니다.
시사점, 한계점
•
시사점:
◦
전방향 스테레오 깊이 추정을 위한 대규모 실제 세계 데이터셋 Helvipad을 제공합니다.
◦
전방향 이미징에서의 깊이 추정의 어려움을 명확히 제시합니다.
◦
전방향 이미징에 적합한 스테레오 모델 개선 방향을 제시합니다.
◦
깊이 완성을 이용한 데이터 증강 기법을 제시합니다.
•
한계점:
◦
데이터셋의 다양성에 대한 구체적인 설명이 부족합니다. (예: 환경의 다양성, 물체의 종류 등)
