通过散景渲染提升单目度量深度估计

散景渲染与深度估计共享基本的光学联系，但现有方法未能充分利用这种互反性。传统散景流水线严重依赖有噪声的深度图，这些深度图不可避免地引入视觉伪影。反之，现有的单目深度模型通常遵循两个有缺陷的范式。基于生成扩散的框架通常缺乏一致的度量尺度。同时，前馈度量深度模型经常在无纹理或远处区域失效，而这些区域中的散焦模糊可以提供几何信息。我们提出了BokehDepth，一个两阶段框架，将合成散焦视为无监督的几何信号。在第一阶段，一个物理基础的生成模型从单个清晰输入产生校准的散景堆栈，无需先验深度输入。随后，一个轻量级的散焦感知聚合模块将这些堆栈集成到深度估计框架的编码器中。该机制允许模型从散焦维度提取一致的几何特征，同时保持解码器架构不变。实验表明，BokehDepth在视觉散景保真度方面优于依赖深度的渲染基线，并持续提升最先进的单目深度模型的度量精度。