합성과 실제의 연결
합성 장면은 작은 구조까지 정확한 깊이 라벨을 만들 수 있지만 실제 사진의 다양성을 모두 담기 어렵다. V2는 합성 자료로 큰 교사를 학습하고 많은 실제 영상에 의사 라벨을 부여해 학생을 학습시킨다. 실제 영상은 두 자료 영역을 연결하는 역할을 한다.
교사와 학생의 구분
교사의 용량을 키우는 것과 실행할 학생을 크게 만드는 것은 다른 선택이다. 큰 교사에서 얻은 라벨을 작은 학생이 학습할 수 있다. 그렇더라도 학생이 교사의 모든 예측을 손실 없이 재현하거나 자동으로 더 정확해진다는 뜻은 아니다.
모델 크기의 독립 예제
매개변수 100만 개를 각각 4바이트로 저장하면 가중치만 약 400만 바이트가 필요하다. 같은 수를 2바이트로 저장하면 약 200만 바이트다. 이는 저장 정밀도의 계산이며 실제 모델의 메모리는 중간 특징과 실행 상태 때문에 더 필요할 수 있다.
출력과 평가 조건
상대 깊이 모델과 실제 거리 라벨로 미세 조정한 모델을 구분해야 한다. 가는 물체와 반사, 투명 영역은 결과를 세밀하게 살펴볼 조건이다. 예측의 경계가 선명하다는 사실만으로 실제 깊이가 정확한 것은 아니며 별도의 검증 자료와 기하 일관성도 확인한다.
관련 문서
Depth Anything / MiDaS / DPT / DUSt3R / RAFT-Stereo / IGEV-Stereo