ICRA'23 | 第一届RoboDepth鲁棒深度估量竞赛 报名啦！

计算机视觉life”，选择“星标”

快速取得最新干货

首届“RoboDepth: Robust Out-of-Distribution Depth Estimation”竞赛将于The 40th IEEE Conference on Robotics and Automation (ICRA 2023)期间举行，欢送大家了解及参与！

• 竞赛主页：https://robodepth.github.io
• 竞赛时间：2023.01.01 - 2023.05.26
• 竞赛Toolkit：https://github.com/ldkong1205/RoboDepth
• CodaLab主页：
• Track 1: https://codalab.lisn.upsaclay.fr/competitions/9418
• Track 2: https://codalab.lisn.upsaclay.fr/competitions/9821
• 竞赛联络邮箱：robodepth@outlook.com
• 竞赛主办方：新加坡国立大学(NUS)、卡耐基梅隆大学(CMU)等

竞赛概览

本届RoboDepth鲁棒深度估量竞赛为该系列竞赛的第一届，将于ICRA 2023期间举行。

在这样一个赛道上，如何正肯定义“损坏”数据常常决议着该任务能否合理和有效。为此，我们从以下三个角度动身，归结和总结了18种在真实条件下有较大约率呈现的数据“损坏”方式：

1. 天气与光照(weather & lighting)：现有的深度估量数据集中的数据常常在“正常”且“良好”的天气与光照条件下所搜集。但是，对深度估量感知的需求可能是全天候的；雨天、雾天、黑夜等各异的天气与光照状况均会对深度估量模型的预测性能构成影响。为此，我们以“正常”天气为基础模仿了强光(brightness)、弱光(dark)、雾(fog)、霜(frost)、雪(snow)等状况的深度估量数据。
2. 传感器与运动(sensor & movement)：传感器设备自身及其在工作过程中可能产生的运动(如汽车在平稳路面上行驶构成的相机颤动等)可能对所搜集的数据自身构成严重影响。为此，我们特别思索了四种畸变，即失焦(defocus)含糊、毛玻璃(glass)含糊、运动(motion)含糊和缩放(zoom)含糊。与此同时，我们还思索了传感器设备运转时可能呈现的“损坏”情形，如弹性变换(elastic transform)及颜色量化(color quantization)。
3. 数据与处置(data & processing)：传感器的工作(数据采集)和传输过程中可能呈现各种各样的噪声影响。这些噪声常常不可避免，给深度估量模型的锻炼和预测构成一定影响。为此，我们思索了四种噪声，即高斯(Gaussian)噪声、脉冲(impulse)噪声、椒盐(shot)噪声和ISO噪声。除此之外，我们还思索数据传输时随同的像素化(pixelate)和JPEG紧缩等情形。

我们置信，一个鲁棒的深度估量模型能够在上述所定义的合理的数据“损坏”方式下，展示出较优的预测性能。这样一种应对“锻炼散布外”状况(out-of-training-distribution)的才干，使得模型能够在部署于真实环境时依旧坚持牢靠且精确的深度估量性能。

为了分辨我们在RoboDepth鲁棒深度估量基线中对现有措施中止的评测，以及鼓舞参赛者设计更多鲁棒的深度估量模型，在本次RoboDepth竞赛中，我们提供了更有应战性的评测数据。

与基线中单独思索各种数据“损坏”方式不同，我们在每个深度估量实例中混合了随机从(1)天气与光照、(2)传感器与运动和(3)数据与处置等三大类“损坏”来源中采样的“损坏”方式，以生成“多损坏来源”的深度估量数据。与此同时，我们也依照数据“损坏”等级对评测集中止了分辨，以求对参赛者所提出的深度估量模型作出全面且系统的评价与考证。

竞赛布置

• 2023.01.01：竞赛正式开端@CodaLab
• 2023.05.25：竞赛终了
• 2023.05.29：竞赛总结和讨论
• 2023.06.02：竞赛结果宣布及颁奖@ICRA'23

竞赛@CodaLab

本次RoboDepth竞赛的评测部分依照CodaLab平台搭建。有关参赛事宜、提交指南及评测指标等细节，请参阅：

https://codalab.lisn.upsaclay.fr/competitions/9418

(Track 1, Self-Supervised Depth Estimation)以及

https://codalab.lisn.upsaclay.fr/competitions/9821

(Track 2, Fully-Supervised Depth Estimation)。

参数规则

• 为保障评测的公平性，请运用学校邮箱或公司邮箱注册参赛；请勿运用qq、163、gmail等邮箱中止注册。 每位在CodaLab平台注册的参赛者每天至多提交2次结果；请于对应赛道(即自监视鲁棒深度估量与全监视鲁棒深度估量)的评测平台中止模型鲁棒性评测。
• 请运用指定锻炼集中的数据中止模型锻炼；请勿运用指定数据集之外的恣意公开或私有的数据集中止模型锻炼。
• 请运用指定的数据增强措施中止模型锻炼；请勿运用指定数据增强措施之外的其他措施对锻炼数据中止处置。
• 为确保竞赛的公平性，请每位参赛者于最终结果宣布前提交可复现结果的模型代码；我们将手动对各参赛者的模型中止锻炼和测试等的考证。

竞赛奖励

我们为名列前三甲的参赛者提供了现金奖励。细致奖励金额为：第一名(冠军)1000美圆，第二名(亚军)600美圆，第三名(季军)400美圆。预祝各位参赛者取得理想的成果！

竞赛答疑

如有任何有关本次竞赛的问题，可在参与我们为本次竞赛树立的微信答疑群后向工作人员讯问。

假如该群已满，请在本公众号后台回复“ 竞赛报名”，获取新群二维码

了解更多

• 竞赛官方主页：https://robodepth.github.io
• 竞赛官方GitHub账号：https://github.com/RoboDepth
• 竞赛Toolkit：https://github.com/ldkong1205/RoboDepth
• 竞赛联络邮箱：robodepth@outlook.com

主办方

学机器人SLAM/3D视觉，就上 cvlife.net ！

点击领取学习资料 → 机器人SLAM学习资料大礼包

独家重磅课程官网：cvlife.net

全国最大的机器人SLAM开发者社区

技术交流群

— 版权声明 —

本公众号原创内容版权属计算机视觉life一切；从公开渠道搜集、整理及受权转载的非原创文字、图片和音视频资料，版权属原作者。假如侵权，请联络我们，会及时删除。