DA${}^2$：任意方向的深度信息

全景图像拥有完整视场（360$^\circ\times$180$^\circ$），提供比透视图像更完整的视觉描述。得益于这一特性，全景深度估计正日益受到 3D 视觉领域的关注。然而，由于全景数据的稀缺，先前方法往往局限于特定域设置，导致零样本泛化效果差。此外，由于全景图像中固有的球面畸变，许多方法依赖透视分割（如立方体图），这会导致效率 suboptimal。为此，我们提出了 $\textbf{DA}$$^{\textbf{2}}$：$\textbf{D}$epth $\textbf{A}$nything in $\textbf{A}$ny $\textbf{D}$irection，一个准确、零样本可泛化且完全端到端的全景深度估计器。具体而言，为扩大全景数据规模，我们引入了一个数据 curation 引擎，用于从透视图像生成高质量的全景深度数据，创建约54.3万对全景 RGB-深度配对，总计约60.7万对。为进一步缓解球面畸变，我们提出了 SphereViT，显式地利用球面坐标来强制全景图像特征中的球面几何一致性，从而提升性能。在多个数据集上进行的全面基准测试清晰地表明，DA${}^2$ 在性能上实现了 SoTA，AbsRel 平均提升了最强大的零样本基线的 38%。意外的是，DA${}^2$ 甚至超过了以往的领域内方法，凸显了其卓越的零样本泛化能力。而且，作为一种端到端解决方案，DA${}^2$ 在融合类方法的效率上具有显著优势。我们已发布代码和精选的全景数据。项目页面：https://depth-any-in-any-dir.github.io/。