任意条件下的 Depth Anything
计算机视觉与模式识别
2025-07-03 v1 人工智能
摘要
我们提出了 Depth Anything at Any Condition（DepthAnything-AC），一种能够处理多样化环境条件的基础单目深度估计（MDE）模型。以前的基础MDE模型在一般场景上取得了令人印象深刻的性能，但在涉及挑战性条件的复杂开放世界环境中表现不佳，这些条件包括照明变化、恶劣天气和传感器引起的失真。为克服数据稀缺和无法为损坏图像生成高质量伪标签的挑战，我们提出了一种无监督一致性正则化微调范式，只需相对较少的无标签数据。此外，我们提出了空间距离约束，显式地强制模型学习 patch 级别的相对关系，从而导致语义边界更清晰、细节更准确。实验结果表明，DepthAnything-AC 在多样化基准测试上实现了零样本能力，包括真实世界的恶劣天气基准测试、合成损坏基准测试和一般基准测试。项目页面：https://ghost233lism.github.io/depthanything-AC-page 代码：https://github.com/HVision-NKU/DepthAnythingAC
引用
@article{arxiv.2507.01634,
title = {Depth Anything at Any Condition},
author = {Boyuan Sun and Modi Jin and Bowen Yin and Qibin Hou},
journal= {arXiv preprint arXiv:2507.01634},
year = {2025}
}