平均分掩盖真相:单目深度模型 7.7% 日常场景仍失败,多为尺度问题
ducha_aiki · x · 2026-11-19
arXiv 论文《What the Averages Hide》指出,单目度量深度模型在 everyday scenes 上并未被解决,剩余难点主要在尺度(scale)。
- 作者提出基于逐图结果的评估方法:失败率(metric δ₁<0.5)、尺度对齐指标,以及区分共享失败与模型特有失败的跨模型比较
- 在 MoGe-2 使用的 7 个日常场景基准(4406 张图)上评测 11 个近期架构、共 18 次模型评估
- 最佳评估仍有 7.7% 失败率(数据集等权);汇总所有失败中 78.8% 结构完好,经尺度校正后 98.3% 不再失败——说明错误几乎都是纯尺度问题
- 被 6 个以上架构共同判错的图像占 7.3%,集中于 HAMMER 和 DIODE;仅用其他家族架构选出的难例也保有前 6 名模型 34%40% 的误差(随机选仅 14%18%)
- 另一发现:场景中增加物体有助于改善尺度估计
「研究」频道最新
- 桑迪亚实验室:电子指纹让 AI 仅用几十个样本预测高熵合金性能 — CurieuxExplorer · 2026-11-19
- FoodTruck Bench 榜单上线 Papers with Code:让 LLM 真金白银经营餐车 30 天 — NielsRogge · 2026-11-19
- MIT研究:可读取并操控LLM内部的物理直觉,Gemma隐状态揭示因果方向 — ProfBuehlerMIT · 2026-11-19
- harness-hub 开源 RL 训练的 harness 适配器:同一模型为不同 agent 框架单独调优 — yb2698 · 2026-11-19
- Freenet 发布新视频:用传统机器学习做网络路由 — Sanity · 2026-11-19
- Empire AI 在纽约设 120+ 个早期职业研究岗位,Cornell 博士后申请截止 12/15 — dianarycai · 2026-11-19