في مواجهة المشاكل الموجودة في شبكات تقدير العمق أحادية العين ذاتية الإشراف الحالية عند التعامل مع مشاهد داخلية معقدة مليئة بمناطق منخفضة النسيج ومنخفضة الإضاءة، والتي تتضمن دقة غير دقيقة في معلومات العمق التنبؤية، وحواف أجسام غير واضحة، وفقدان شديد للتفاصيل، تقدم هذه الورقة نموذج شبكة تقدير عمق أحادي العين ذاتية الإشراف داخليًا يعتمد على دمج الميزات الهرمية. أولاً، من خلال وحدة تعزيز الصور القائمة على اتساق الخرائط، يتم معالجة الصور الداخلية لتحسين رؤية المناطق منخفضة الإضاءة مع الحفاظ على اتساق السطوع، مما يثري تفاصيل النسيج ويقلل إلى حد ما من مشاكل الطائرات الافتراضية الضبابية التي تدهور النموذج أثناء التدريب. ثم تم تصميم شبكة تقدير العمق التي تدمج وحدة تعديل الميزات عبر المستويات المعتمدة على آلية الانتباه، لدمج المعلومات متعددة المستويات من المشفر والمشفّر-فك التشفير بشكل كامل، مما يعزز استخدام الميزات في الشبكة ويقلل من الفجوة الدلالية بين العمق التنبؤي والعمق الحقيقي. وأخيرًا، تم تصميم دالة خسارة بناءً على تشابه مصفوفة جرام لميزات نمط الصورة كاشارة ذاتية إشراف إضافية لفرض قيود على النموذج، مما يعزز قدرة الشبكة على التنبؤ بالعمق ويحسن دقة التنبؤ بشكل أكبر. تم التدريب والاختبار على مجموعات بيانات NYU Depth V2 وScanNet الداخلية، حيث وصل نسبة البيكسلات ذات العمق المتوقع الصحيح إلى 81.9٪ و76.0٪ على التوالي. تظهر النتائج التجريبية أن نموذج الشبكة هذا يحافظ بشكل جيد على حواف الأجسام وتفاصيلها مقارنة بالشبكات الرئيسية لتقدير العمق أحادية العين ذاتية الإشراف الداخلية الحالية، مما يحسن فعالية دقة التنبؤ بالعمق.

ذاتية الإشراف;تقدير العمق أحادي العين;تعزيز الصور;دمج الميزات الهرمية;مصفوفة جرام