LuMon：面向月球单目深度估计的全面基准与开发套件
计算机视觉与模式识别
2026-04-13 v1
摘要
单目深度估计 (MDE) 是实现基于电子光学相机的月球自动巡视器导航的关键技术。然而，将陆地 MDE 网络部署到月球环境会导致严重的域间差距，由于面对强烈阴影、无大气散射的无纹理 regolith 以及零大气散射等严酷条件。现有评估依赖类比方法，无法复制这些条件且缺乏实际的度量基准。为此，我们提出 LuMon，一个用于评估月球探索中 MDE 方法的综合性基准框架。我们引入新型数据集，包含来自真实 Chang'e-3 任务和 CHERI 深类比数据集的高质量立体深度基准。利用该框架，我们对 state-of-the-art 架构在合成、类比和真实数据集上的零样本评估进行了系统性评估。我们严格评估了针对坑洼、岩石、极端阴影和 varying 深度范围等任务关键挑战的性能。此外，我们建立了一个 sim-to-real 域适应基准，通过在合成数据上微调 foundation model 进行微调。尽管这种适应在领域内性能上带来了显著提升，但其对真实月球图像的泛化仍有限，这凸显了持久的跨域迁移鸿沟。我们的广泛分析揭示了当前网络的固有局限性，并为未来在外太域感知和域适应方面的发展设定了标准基准。
引用
@article{arxiv.2604.09352,
title = {LuMon: A Comprehensive Benchmark and Development Suite with Novel Datasets for Lunar Monocular Depth Estimation},
author = {Aytaç Sekmen and Fatih Emre Gunes and Furkan Horoz and Hüseyin Umut Işık and Mehmet Alp Ozaydin and Onur Altay Topaloglu and Şahin Umutcan Üstündaş and Yurdasen Alp Yeni and Halil Ersin Soken and Erol Sahin and Ramazan Gokberk Cinbis and Sinan Kalkan},
journal= {arXiv preprint arXiv:2604.09352},
year = {2026}
}
备注
This paper will be published in CVPRW2026