On the Metrics for Evaluating Monocular Depth Estimation

要約

単眼深度推定 (MDE) を実行して、自動運転車 (AV) や運転支援の車載認識に関連するものなど、下流のタスクで使用できる 3D 情報を生成します。
したがって、MDE 評価の標準的な測定基準が、将来の MDE ベースの運転関連の認識タスクの精度の優れた指標であるかどうかという関連する疑問が生じます。
この問題については、このホワイト ペーパーで説明します。
特に、点群での 3D オブジェクト検出のタスクを、搭載された認識の代用として取り上げます。
MDE モデルからの 3D 点群を使用して、最先端の 3D オブジェクト検出器のトレーニングとテストを行います。
オブジェクト検出結果のランキングは、MDE モデルの深度推定メトリックによって与えられるランキングと対峙します。
実際、MDE評価指標は、予想される3Dオブジェクト検出結果を比較的よく反映する方法のランキングを生み出すと結論付けています。
さまざまな測定基準の中で、絶対相対 (abs-rel) エラーがその目的に最適なようです。

要約(オリジナル)

Monocular Depth Estimation (MDE) is performed to produce 3D information that can be used in downstream tasks such as those related to on-board perception for Autonomous Vehicles (AVs) or driver assistance. Therefore, a relevant arising question is whether the standard metrics for MDE assessment are a good indicator of the accuracy of future MDE-based driving-related perception tasks. We address this question in this paper. In particular, we take the task of 3D object detection on point clouds as a proxy of on-board perception. We train and test state-of-the-art 3D object detectors using 3D point clouds coming from MDE models. We confront the ranking of object detection results with the ranking given by the depth estimation metrics of the MDE models. We conclude that, indeed, MDE evaluation metrics give rise to a ranking of methods that reflects relatively well the 3D object detection results we may expect. Among the different metrics, the absolute relative (abs-rel) error seems to be the best for that purpose.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google