DepthLab：从部分深度到完整深度
计算机视觉与模式识别
2026-03-17 v2
摘要
深度数据在其广泛的应用场景中常见缺失值问题，这源于各种原因，如数据获取不完整和视角变更。本工作通过基于图像扩散先验的深度 inpainting模型DepthLab来弥合这一差距。该模型具有两个显著优势：（1）对深度不足区域具有鲁棒性，为连续区域和孤立点提供可靠的完成；（2）忠实地保持条件已知深度的尺度一致性，以填补缺失值。基于这些优势，我们的方法在各种下游任务中证明了其价值，包括3D场景填充、文本到3D场景生成、稀疏视图重建（使用DUST3R）以及LiDAR深度完成，超过当前解决方案在数值性能和视觉质量方面的表现。我们的项目页面附有源码，地址为https://johanan528.github.io/depthlab_web/。
引用
@article{arxiv.2412.18153,
title = {DepthLab: From Partial to Complete},
author = {Zhiheng Liu and Ka Leong Cheng and Qiuyu Wang and Shuzhe Wang and Hao Ouyang and Bin Tan and Kai Zhu and Yujun Shen and Qifeng Chen and Ping Luo},
journal= {arXiv preprint arXiv:2412.18153},
year = {2026}
}
备注
Project page and code: https://johanan528.github.io/depthlab_web/