面向指标记深度恢复的图像自适应尺度场学习
计算机视觉与模式识别
2026-05-11 v1
摘要
单目深度估计 (MDE) 通常产生定义为未知尺度或偏移的深度估计。当仅存在稀疏的标记锚点时，恢复准确的标记深度变得既具挑战性又至关重要。我们通过将标记深度恢复建模为图像自适应尺度场来解决此问题。我们将校正深度重新表述为图像自适应基图的低维线性组合。这些基图来源于 MDE 估计和中间表示中编码的语义和几何线索。基图的权重通过稀疏标记锚点高效确定，求解最小二乘问题。这种表述提高了标记深度的准确度，在极端锚点稀疏性下保持强鲁棒性，并实现空间尺度变化的可解释分解。跨多个数据集和代表性 MDE 模型的广泛实验表明，我们的方法有效且具有广泛适用性。
引用
@article{arxiv.2605.07418,
title = {Learning Image-Adaptive Scale Fields for Metric Depth Recovery},
author = {Yuanyan Li and Matthias Althoff},
journal= {arXiv preprint arXiv:2605.07418},
year = {2026}
}