基于中心点的深度估计：Depth as Points
计算机视觉与模式识别
2025-04-29 v1
摘要
车辆和行人在城市场景中的感知对于自动驾驶至关重要。这一过程通常涉及复杂的数据收集，要求高的计算和硬件资源。为解决这些限制，我们首先开发了一种高效的虚拟数据集生成方法，使能够在短时间内创建特定于任务和场景的数据集。借助此方法，我们构建了虚拟深度估计数据集 VirDepth，一个大规模的、多任务的自动驾驶数据集。随后，我们提出了 CenterDepth，这是一个轻量级的单目深度估计架构，确保高运算效率，并在高度不平衡的高度尺度分布中表现出色。CenterDepth 通过创新的 Center FC-CRFs 算法整合全局语义信息，基于对象关键点聚合多尺度特征，实现目标的检测式深度估计。实验表明，我们的方法在计算速度和预测准确性方面均表现出色。
引用
@article{arxiv.2504.18773,
title = {Depth as Points: Center Point-based Depth Estimation},
author = {Zhiheng Tu and Xinjian Huang and Yong He and Ruiyang Zhou and Bo Du and Weitao Wu},
journal= {arXiv preprint arXiv:2504.18773},
year = {2025}
}
备注
Depth Esitimation, Key-points, Virtual Datasets, Autonomous Driving