BRIDGE——面向单目深度估计的强化学习深度到图像数据生成引擎
计算机视觉与模式识别
2025-10-01 v2 人工智能
摘要
单目深度估计（Monocular Depth Estimation，MDE）是计算机视觉的基础任务。传统方法受限于数据稀缺和质量问题，限制了其鲁棒性。为克服此困难，我们提出BRIDGE，一个基于强化学习优化的深度到图像（Depth-to-Image，D2I）生成框架，合成超过2000万个真实且几何准确的RGB图像，每张图像都有其真实的深度图。随后，我们在该数据集上训练深度估计模型，采用混合监督策略，将教师伪标签与真实深度图结合，以实现全面且稳健的训练。这种创新的数据生成和训练范式使BRIDGE在规模和领域多样性方面实现突破，持续优于现有最先进方法，表现出色，尤其在复杂场景细节捕获方面，从而促进了通用且稳健的深度特征学习。代码和模型已公开：https://dingning-liu.github.io/bridge.github.io/。
引用
@article{arxiv.2509.25077,
title = {BRIDGE -- Building Reinforcement-Learning Depth-to-Image Data Generation Engine for Monocular Depth Estimation},
author = {Dingning Liu and Haoyu Guo and Jingyi Zhou and Tong He},
journal= {arXiv preprint arXiv:2509.25077},
year = {2025}
}
备注
20 pages, 7 figures