文件名称：footprints:[CVPR 2020]从单色图像估计可见和隐藏的可遍历空间
文件大小：29.18MB
文件格式：ZIP
更新时间：2024-05-03 16:47:22
computer-vision deep-learning pytorch depth-estimation monodepth
（ ，（ ，（ 和（ – CVPR 2020（口头报告） [] 我们介绍了“足迹” ，一种从单个RGB图像估计可见和隐藏可遍历空间的方法 从单色图像了解场景的形状是一项艰巨的计算机视觉任务。 大多数方法旨在预测相机可见的表面的几何形状，这在规划机器人或增强现实智能体的路径时用途有限。 超出视线范围预测的模型通常使用体素或网格对场景进行参数化，这在机器学习框架中使用可能会非常昂贵。 我们的方法可以从单个图像预测隐藏的地面几何形状和范围： 我们的预测使虚拟角色可以更现实地探索其环境。 基准：虚拟角色只能探索相机可见的地面 我们的：企鹅可以探索可见和隐藏的地面 :gear: 设置 我们的代码和模型是使用PyTorch 1.3.1开发的。 environment.yml和requirements.txt列出了我们的依赖项。 我们建议使用以下文件从这些文件安装并激活新的conda环境：
【文件预览】：
footprints-master
----ground_truth_files()
--------matterport_filenames.txt(24KB)
----.gitignore(21B)
----requirements.txt(180B)
----LICENSE(8KB)
----README.md(10KB)
----environment.yml(358B)
----test_data()
--------lobby.jpg(248KB)
--------cyclist.jpg(54KB)
--------cyclist_copyright_notice.txt(128B)
--------chinatown.jpg(307KB)
--------lobby_copyright_notice.txt(160B)
----paths.yaml(264B)
----footprints()
--------evaluation()
--------datasets()
--------__init__.py(0B)
--------network.py(6KB)
--------options.py(6KB)
--------utils.py(6KB)
--------baselines()
--------preprocessing()
--------training()
--------main.py(690B)
--------predict_simple.py(6KB)
--------model_manager.py(2KB)
----readme_ims()
--------penguin_baseline.gif(260KB)
--------ours_2.gif(8.56MB)
--------penguin_ours.gif(235KB)
--------figure_1.png(1.63MB)
--------ours_1.gif(11.88MB)
--------figure_3.gif(3.26MB)
--------kitti_results.gif(1.27MB)
--------video_title.jpg(190KB)
----splits()
--------matterport()
--------kitti()
--------cityscapes()
--------ADE20K()