CDPR：用于可靠单目深度估计的跨模态扩散与极化

单目深度估计是计算机视觉中的基础且具有挑战性的任务，尤其是在纹理缺失的表面、透明性和镜面反射等复杂条件下。最近的扩散方法通过将深度预测重新表述为潜在空间中的去噪过程，显著提升了性能。然而，现有方法仅依赖RGB输入，在挑战性区域往往缺乏足够的线索。本文提出了CDPR（Cross-modal Diffusion with Polarization for Reliable Monocular Depth Estimation）——一种集成物理驱动的极化先验，以提升估计鲁棒性的新型扩散框架。具体而言，我们通过预训练的变分自编码器（VAE）将RGB和极化（AoLP/DoLP）图像编码到共享潜在空间，并通过可学习的置信度感知门控机制动态融合多模态信息。该融合模块在极化输入中自适应抑制噪声信号，同时保留有关反射或透明表面的信息性线索，为后续的单目深度估计提供集成后的潜在表示。除了深度估计，我们进一步验证了该框架可轻松推广到表面法向预测，展示了其针对一般极化引导的稠密预测任务的可扩展性。在合成数据集和真实世界数据集上的实验表明，CDPR在挑战性区域显著优于仅使用RGB的基线方法，同时在标准场景中保持竞争性能。