请问一下关于test结果的问题：w/o match、median match、global match这三者是什么意思？以及delta代表的含义是什么？

[yvanyin]

请问一下关于test结果的问题：w/o match、median match、global match这三者是什么意思？以及delta代表的含义是什么？

[JUGGHM]

网络输出的尺度误差较大
（1）Global，根据GT，全局拟合一个scale和一个shift因子，将尺度align到gt上。最终输出 pred_hat = pred * scale + shift
（2）Median，根据GT和pred的median仅仅拟合一个scale因子，最终输出 最终输出 pred_hat = pred * scale

[JUGGHM]

为什么出现部分delta为0的情况

delta1, 2, 3 是相对误差指标，详见代码

[wenjie-yuan]

网络输出的尺度误差较大 （1）Global，根据GT，全局拟合一个scale和一个shift因子，将尺度align到gt上。最终输出 pred_hat = pred * scale + shift （2）Median，根据GT和pred的median仅仅拟合一个scale因子，最终输出 最终输出 pred_hat = pred * scale

无监督里面median match、global match还是蛮常见的，毕竟训练时没有实际的距离参考，评估时增加这两项指标还是方便和有监督对比；但是作为有监督，或者实际落地的情况考虑，用到验证/测试集的GT值来算scale和一个shift是不是不太合理，因为推理时没有GT
（1）这方面怎么解释？SLAM或者什么下游任务可以用测试集GT吗？
（2）有尝试用训练集来拟合scale和shift因子吗？训练集GT可以用的，有的话指标怎么样？
总感觉w/o match精度低，如果是有监督，还是没有解决Domain的问题

[JUGGHM]

网络输出的尺度误差较大 （1）Global，根据GT，全局拟合一个scale和一个shift因子，将尺度align到gt上。最终输出 pred_hat = pred * scale + shift （2）Median，根据GT和pred的median仅仅拟合一个scale因子，最终输出 最终输出 pred_hat = pred * scale

无监督里面median match、global match还是蛮常见的，毕竟训练时没有实际的距离参考，评估时增加这两项指标还是方便和有监督对比；但是作为有监督，或者实际落地的情况考虑，用到验证/测试集的GT值来算scale和一个shift是不是不太合理，因为推理时没有GT （1）这方面怎么解释？SLAM或者什么下游任务可以用测试集GT吗？ （2）有尝试用训练集来拟合scale和shift因子吗？训练集GT可以用的，有的话指标怎么样？ 总感觉w/o match精度低，如果是有监督，还是没有解决Domain的问题

从落地角度讲，不应该这么做。
论文中有些地方是为了和前人工作做对比，按照惯例。

另外，现在的深度模型仍有提升空间，不能保证在所有数据集上尺度准确。然而，在某个数据集上可能存在较为固定的尺度偏差，可以在简单对齐后再行部署。

[JUGGHM]

网络输出的尺度误差较大 （1）Global，根据GT，全局拟合一个scale和一个shift因子，将尺度align到gt上。最终输出 pred_hat = pred * scale + shift （2）Median，根据GT和pred的median仅仅拟合一个scale因子，最终输出 最终输出 pred_hat = pred * scale

无监督里面median match、global match还是蛮常见的，毕竟训练时没有实际的距离参考，评估时增加这两项指标还是方便和有监督对比；但是作为有监督，或者实际落地的情况考虑，用到验证/测试集的GT值来算scale和一个shift是不是不太合理，因为推理时没有GT （1）这方面怎么解释？SLAM或者什么下游任务可以用测试集GT吗？ （2）有尝试用训练集来拟合scale和shift因子吗？训练集GT可以用的，有的话指标怎么样？ 总感觉w/o match精度低，如果是有监督，还是没有解决Domain的问题

第（2）件事我们将会尝试，看看能不能加强尺度稳定性。

[Ghul-huan]

pred * scale + shift 中scale 和shift 是怎么计算出来的？下面这样吗？
scale = median(GT_values) / median(estimated_depth_values)
shift = mean(GT_values) - mean(estimated_depth_values) * scale

[YvanYin]

pred * scale + shift 中scale 和shift 是怎么计算出来的？下面这样吗？ scale = median(GT_values) / median(estimated_depth_values) shift = mean(GT_values) - mean(estimated_depth_values) * scale

不是的。直接做最小二乘拟合得到 scale和shift。 可以参照 https://github.com/aim-uofa/AdelaiDepth/blob/d85181982bd2a42c912fd8a48c40cdc7ec71d553/LeReS/Minist_Test/lib/test_utils.py#L230 这个函数。