基于稠密几何监督的 underwater 深度估计
计算机视觉与模式识别
2025-06-11 v2
摘要
单目深度估计领域不断演进，凭借众多创新模型和扩展不断前进。然而，针对水下场景的单目深度估计方法研究仍有限，受限于数据匮乏和方法论支持。本文提出了一种新方法，旨在解决当前单目深度估计方法在水下环境中的挑战。我们通过多视角深度估计生成监督信号和相应的增强水下图像，构建了一个适用于水下场景的经济高效数据集。我们引入一个纹理-深度融合模块，依据水下光学成像原理设计，旨在有效利用和整合纹理线索中的深度信息。在FLSea数据集上的实验结果表明，我们的方法显著提高了模型在水下环境中的准确性和适应性。这一工作为单目水下深度估计提供了经济高效的解决方案，具有广泛的实际应用前景。
引用
@article{arxiv.2504.18233,
title = {Dense Geometry Supervision for Underwater Depth Estimation},
author = {Wenxiang Gua and Lin Qia},
journal= {arXiv preprint arXiv:2504.18233},
year = {2025}
}