Cross360：基于跨尺度投影的360°单目深度估计

360°深度估计是一项具有挑战性的研究问题，由于难以找到一种既能保持全局连续性又能避免球面图像中畸变的表示方法。现有方法试图利用来自多种投影的互补信息，但在平衡全局一致性和局部一致性方面存在困难。其局部 patch 特征的全局感知能力有限，组合后的全局表示也未能解决 patch 边界处特征提取的差异问题。为此，我们提出了 Cross360，一种基于跨注意力的新颖架构，集成了沿切线 patch 使用畸变更小的局部信息与等距投影特征。我们的 Cross Projection Feature Alignment 模块采用跨注意力机制，将局部切线投影特征与等距投影的360°视野对齐，确保每个切线投影 patch 都能感知全局上下文。此外，我们的 Progressive Feature Aggregation with Attention 模块不断地细化多尺度特征，提高深度估计精度。Cross360 在大多数基准数据集上均显著优于现有方法，尤其是在整个360°图像可用的数据集上，展示了其在准确且全局一致的深度估计方面的有效性。代码和模型已提供于 https://github.com/huangkun101230/Cross360。