The Third Monocular Depth Estimation Challenge

本文讨论了单目深度估计挑战赛（MDEC）第三版的结果。该挑战集中于对具有自然和室内场景的复杂场景的SYNS-Patches数据集进行零样本泛化。与之前的版本一样，方法可以使用任何形式的监督，即有监督或自监督。该挑战共收到19份提交，均在测试集上优于基线：其中10份提交了描述其方法的报告，强调了在其方法的核心使用Depth Anything等基础模型的广泛使用。挑战的获胜者大大提高了3D F-Score性能，从17.51％提高到23.72％。

Monocular Depth Estimation Challenge (MDEC)旨在解决单目深度估计问题，特别是在复杂场景下的零样本泛化问题。

本文通过第三届MDEC挑战赛，介绍了一种基于Depth Anything等基础模型的方法，显著提高了3D F-Score表现。

本文介绍了19个提交的方法，其中10个提交了报告，强调了基础模型在方法中的重要性。实验使用了SYNS-Patches数据集，作者提供了代码和模型用于进一步研究。

相关研究包括单目深度估计和零样本学习，例如Zero-shot Depth Estimation Using Cross-Task Learning和Unsupervised Monocular Depth Estimation with Left-Right Consistency。