單眼深度估計（Monocular Depth Estimation）與雙眼深度估計（Stereo Depth Estimation）2024 年的最新比較

花了一些時間蒐集資料，終於整理出到目前為止 Monocular Depth Estimation 與 Stereo Depth Estimation 間接的 state-of-the-art 比較結果。

Stereo Depth Estimation

許多人常用的是 KITTI 2015 stereo evaluation（https://www.cvlibs.net/datasets/kitti/eval_scene_flow.php?benchmark=stereo）。使用的基準為 D1-background、D1-foreground、D1-all，也就是 disparity 在第一張圖片的百分比誤差。

• 傳統電腦視覺方法的 SGM（前文） 為 5.06%、13%、6.38%
• 2022 年的 sota ACVNet 為 1.37%、3.07%、1.65%
• 2024 年的 sota  OpenStereo 為 1.28%、2.26%、1.44%

我花了一點時間好不容易找到有一個方法 SUW-Stereo 同時提供了 stereo 與 monocular depth estimation 的結果。在 stereo depth estimation 中其結果為 1.47%、3.45%、1.80%。

Monocular Depth Estimation

許多人常用的是 KITTI Eigen split dataset，Paper with code（https://paperswithcode.com/sota/monocular-depth-estimation-on-kitti-eigen）網站上有許多方法的結果比較。使用的基準為 RMSE、sqRel、以及 Delta < 1.25（越高越好）。

• SUW Stereo 為 1.915、0.221、0.957
• 前文介紹的 Depth Anything 為 1.896、0.121、0.982

因此結合以上兩種結果，大概可以得出結論 ─ monocular depth estimation 與 stereo depth estimation 就統計上的結果真的已經相當接近了！