|

这是 Stanford CS231N Deep Learning for Computer Vision，由李飞飞教授主讲。

[课程网站](https://cs231n.stanford.edu/)

论文：3D Common Corruptions and Data Augmentation（CVPR 2022 Oral，arXiv 2203.01441v3）

作者：Oğuzhan Fatih Kar、Teresa Yeo、Andrei Atanov、Amir Zamir。机构：EPFL。项目页：<https://3dcommoncorruptions.epfl.ch/>

把深度、3D 网格、相机参数和语义等场景几何引入图像损坏，构建包含 20 种损坏的 3DCC 鲁棒性基准，使损坏符合真实成像规律；再将其中一部分作为在线 3D 数据增强，提高模型面对几何相关分布偏移时的鲁棒性。

视觉模型部署到现实世界后会遇到运动模糊、光照变化、雾、遮挡和视角变化等自然分布偏移。现有方法存在真实性与可扩展性之间的矛盾：

论文：InfiniDepth: Arbitrary-Resolution and Fine-Grained Depth Estimation with Neural Implicit Fields（arXiv 2601.03252v1，2026）

机构：浙江大学、理想汽车、深圳大学。项目页：zju3dv.github.io/InfiniDepth

把单目深度从离散网格表示改写成连续的神经隐式场 $d_I(x,y)=N_\theta(I,(x,y))$，配一个多尺度局部隐式解码器，使深度可以在任意连续二维坐标处查询，从而实现任意分辨率、细粒度的深度估计；并由此衍生出抵消密度不均的深度查询采样策略，提升大视角变化下的单视角新视角合成。

现有主流深度估计的根本局限在于离散网格表示：

这里是我在科研途中的日记。

这一天在做 sota 方法的调研。晚上询问进度的时候直接把 stablenormal 在 hypersim 上的推理做掉了，效果没有比我们自己方法的单图训练好。

后续老师怀疑 "apple官方提供的数据集能直接用于normal训练" 这个假设本身有问题。后续需要使用 DRT 进行验证。

有些数据对于训练来说可能并不好。（这个我不知道，可能是某些经验？）

交流的时候尽量使用钉钉文本框发关键结果，不要发文档（不会看的）