FlashDepth：2K 分辨率实时流式视频深度估计
计算机视觉与模式识别
2025-06-03 v2
摘要
一个通用的视频深度估计模型应当（1）在帧之间保持准确和一致，（2）产生高分辨率深度图，且（3）支持实时流式处理。我们提出 FlashDepth，一种满足上述全部要求的方法，在 2044x1148 分辨率的流式视频上实现 24 FPS。我们展示了，通过对预训练的单图像深度模型进行精心的修改，这些能力可以仅用较少数据和训练即可实现。我们在多个未见数据集上对我们的方法进行评估，对比最新的深度模型，发现我们的模型在边界锐度和速度方面显著优于它们，同时保持竞争的精度。我们希望我们的模型将能够支持需要高分辨率深度的各种应用，如视频编辑，以及需要在线决策的应用，如机器人技术。我们在 https://github.com/Eyeline-Research/FlashDepth 上发布了所有代码和模型权重。
关键词
引用
@article{arxiv.2504.07093,
title = {FlashDepth: Real-time Streaming Video Depth Estimation at 2K Resolution},
author = {Gene Chou and Wenqi Xian and Guandao Yang and Mohamed Abdelfattah and Bharath Hariharan and Noah Snavely and Ning Yu and Paul Debevec},
journal= {arXiv preprint arXiv:2504.07093},
year = {2025}
}