본 논문은 다양한 카메라 종류(특히 어안렌즈 및 360도 카메라와 같이 시야각(FoV)이 넓은 카메라)에서 정확한 거리 측정 심도를 얻는 것이 어려운 점을 해결하기 위해, 관점(perspective) 이미지로만 학습된 모델을 다양한 FoV의 카메라에 효과적으로 적용하는 제로샷 거리 측정 심도 추정 프레임워크인 Depth Any Camera (DAC)를 제시합니다. DAC는 등방사 투영(ERP)을 통합된 이미지 표현으로 사용하여 다양한 FoV의 이미지를 일관되게 처리하며, 왜곡된 ERP 패치를 시뮬레이션하기 위한 피치 인식 이미지-ERP 변환, 다양한 FoV에 걸쳐 효과적인 학습을 가능하게 하는 FoV 정렬 연산, 그리고 학습 및 테스트 간의 해상도 차이를 해결하기 위한 다중 해상도 데이터 증강 등의 핵심 구성 요소를 포함합니다. 기존의 거리 측정 심도 기반 모델에 비해 여러 어안렌즈 및 360도 데이터셋에서 $\delta_1$ 정확도를 최대 50%까지 향상시키는 최첨단 성능을 달성하여 카메라 종류에 대한 강력한 일반화 능력을 보여줍니다.
