Buchumschlag

Virtually Enriched NYU Depth V2 Dataset for Monocular Depth Estimation: Do We Need Artificial Augmentation?

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ignatov, Dmitry, Ignatov, Andrey, Timofte, Radu
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

From Brute Force to Semantic Insight: Performance-Guided Data Transformation Design with LLMs
von: Shrestha, Usha, et al.
Veröffentlicht: (2026)

From Code to Prediction: Fine-Tuning LLMs for Neural Network Performance Classification in NNGPT
von: Hanouneh, Mahmoud, et al.
Veröffentlicht: (2026)

Preparation of Fractal-Inspired Computational Architectures for Advanced Large Language Model Analysis
von: Mittal, Yash, et al.
Veröffentlicht: (2025)

From Memorization to Creativity: LLM as a Designer of Novel Neural Architectures
von: Khalid, Waleed, et al.
Veröffentlicht: (2026)

LLM as a Neural Architect: Controlled Generation of Image Captioning Models Under Strict API Contracts
von: Jesani, Krunal, et al.
Veröffentlicht: (2025)

Delta-Based Neural Architecture Search: LLM Fine-Tuning via Code Diffs
von: Adhikari, Santosh Premi, et al.
Veröffentlicht: (2026)

AugmentGest: Can Random Data Cropping Augmentation Boost Gesture Recognition Performance?
von: Aboudeshish, Nada, et al.
Veröffentlicht: (2025)

Real Image Denoising with Knowledge Distillation for High-Performance Mobile NPUs
von: Kayani, Faraz, et al.
Veröffentlicht: (2026)

A Retrieval-Augmented Generation Approach to Extracting Algorithmic Logic from Neural Networks
von: Khalid, Waleed, et al.
Veröffentlicht: (2025)

VIST-GPT: Ushering in the Era of Visual Storytelling with LLMs?
von: Gado, Mohamed, et al.
Veröffentlicht: (2025)

Closed-Loop LLM Discovery of Non-Standard Channel Priors in Vision Models
von: Uzun, Tolgay Atinc, et al.
Veröffentlicht: (2026)

MobileAgeNet: Lightweight Facial Age Estimation for Mobile Deployment
von: Kumar, Arun, et al.
Veröffentlicht: (2026)

FlowDepth: Decoupling Optical Flow for Self-Supervised Monocular Depth Estimation
von: Sun, Yiyang, et al.
Veröffentlicht: (2024)

Enhancing LLM-Based Neural Network Generation: Few-Shot Prompting and Efficient Validation for Automated Architecture Design
von: Duvvuri, Raghuvir, et al.
Veröffentlicht: (2025)

ECoDepth: Effective Conditioning of Diffusion Models for Monocular Depth Estimation
von: Patni, Suraj, et al.
Veröffentlicht: (2024)

Robust Monocular Depth Estimation under Challenging Conditions
von: Gasperini, Stefano, et al.
Veröffentlicht: (2023)

WorDepth: Variational Language Prior for Monocular Depth Estimation
von: Zeng, Ziyao, et al.
Veröffentlicht: (2024)

Depth Pro: Sharp Monocular Metric Depth in Less Than a Second
von: Bochkovskii, Aleksei, et al.
Veröffentlicht: (2024)

NCT-CRC-HE: Not All Histopathological Datasets Are Equally Useful
von: Ignatov, Andrey, et al.
Veröffentlicht: (2024)

Leveraging Stable Diffusion for Monocular Depth Estimation via Image Semantic Encoding
von: Xia, Jingming, et al.
Veröffentlicht: (2025)

Intrinsic Image Decomposition for Robust Self-supervised Monocular Depth Estimation on Reflective Surfaces
von: Choi, Wonhyeok, et al.
Veröffentlicht: (2025)

Self-supervised Monocular Depth Estimation Robust to Reflective Surface Leveraged by Triplet Mining
von: Choi, Wonhyeok, et al.
Veröffentlicht: (2025)

Iris: Integrating Language into Diffusion-based Monocular Depth Estimation
von: Zeng, Ziyao, et al.
Veröffentlicht: (2024)

DepthART: Monocular Depth Estimation as Autoregressive Refinement Task
von: Gabdullin, Bulat, et al.
Veröffentlicht: (2024)

InSpaceType: Dataset and Benchmark for Reconsidering Cross-Space Type Performance in Indoor Monocular Depth
von: Wu, Cho-Ying, et al.
Veröffentlicht: (2024)

LEMUR Neural Network Dataset: Towards Seamless AutoML
von: Goodarzi, Arash Torabi, et al.
Veröffentlicht: (2025)

Extending Foundational Monocular Depth Estimators to Fisheye Cameras with Calibration Tokens
von: Gangopadhyay, Suchisrit, et al.
Veröffentlicht: (2025)

Depth Prompting for Sensor-Agnostic Depth Estimation
von: Park, Jin-Hwi, et al.
Veröffentlicht: (2024)

Marigold-DC: Zero-Shot Monocular Depth Completion with Guided Diffusion
von: Viola, Massimiliano, et al.
Veröffentlicht: (2024)

Resource-Efficient Iterative LLM-Based NAS with Feedback Memory
von: Gu, Xiaojie, et al.
Veröffentlicht: (2026)

Efficient Multi-task Uncertainties for Joint Semantic Segmentation and Monocular Depth Estimation
von: Landgraf, Steven, et al.
Veröffentlicht: (2024)

A Critical Synthesis of Uncertainty Quantification and Foundation Models in Monocular Depth Estimation
von: Landgraf, Steven, et al.
Veröffentlicht: (2025)

Do We Need All the Synthetic Data? Targeted Image Augmentation via Diffusion Models
von: Nguyen, Dang, et al.
Veröffentlicht: (2025)

Learning Monocular Depth from Events via Egomotion Compensation
von: Meng, Haitao, et al.
Veröffentlicht: (2024)

Projection-based Adversarial Attack using Physics-in-the-Loop Optimization for Monocular Depth Estimation
von: Kusakabe, Takeru, et al.
Veröffentlicht: (2025)

Learning Vision-Based Omnidirectional Navigation: A Teacher-Student Approach Using Monocular Depth Estimation
von: Finke, Jan, et al.
Veröffentlicht: (2026)

UniDepthV2: Universal Monocular Metric Depth Estimation Made Simpler
von: Piccinelli, Luigi, et al.
Veröffentlicht: (2025)

EDADepth: Enhanced Data Augmentation for Monocular Depth Estimation
von: Khanal, Nischal, et al.
Veröffentlicht: (2024)

Learning Transformer-based World Models with Contrastive Predictive Coding
von: Burchi, Maxime, et al.
Veröffentlicht: (2025)

Accurate and Efficient World Modeling with Masked Latent Transformers
von: Burchi, Maxime, et al.
Veröffentlicht: (2025)