Hacia una estimación robusta de profundidad monocular: Mezclando conjuntos de datos para transferencia cruzada de conjuntos de datos sin entrenamiento.

El éxito de la estimación de profundidad monocular depende de conjuntos de entrenamiento grandes y diversos. Debido a los desafíos asociados con la adquisición de profundidad verdadera densa en diferentes entornos a gran escala, ha surgido una serie de conjuntos de datos con características y sesgos distintos. Desarrollamos herramientas que permiten mezclar múltiples conjuntos de datos durante el entrenamiento, incluso si sus anotaciones son incompatibles. En particular, proponemos un objetivo de entrenamiento robusto que es invariante a cambios en el rango y la escala de profundidad, abogamos por el uso de aprendizaje multi-objetivo fundamentado para combinar datos de diferentes fuentes y destacamos la importancia de preentrenar codificadores en tareas auxiliares. Armados con estas herramientas, experimentamos con cinco conjuntos de datos de entrenamiento diversos, incluyendo una nueva y masiva fuente de datos: películas en 3D. Para demostrar el poder de generalización de nuestro enfoque, utilizamos transferencia cruzada de conjuntos de datos sin entrenamiento, es decir, evaluamos en conjuntos de datos que no se vieron durante el entrenamiento. Los experimentos confirman que mezclar datos de fuentes complementarias mejora significativamente la estimación de profundidad monocular. Nuestro enfoque supera claramente a los métodos competidores en diversos conjuntos de datos, estableciendo un nuevo estado del arte para la estimación de profundidad monocular. Algunos resultados se muestran en el video suplementario en https://youtu.be/D46FzVyL9I8.