基于全局感知离散化和局部上下文建模的单目深度估计
计算机视觉与模式识别
2025-08-06 v1
摘要
准确的单目深度估计仍是一个具有挑战性的问题，由于从单一视角恢复3D结构的固有歧义，导致多个可能的深度配置可产生相同的2D投影。本文提出了一种新颖的深度估计方法，结合局部和全局线索以提高预测精度。具体而言，我们提出了Gated Large Kernel Attention Module（GLKAM），通过利用大卷积核和门控机制有效捕获多尺度局部结构信息。为进一步增强网络的全局感知，我们引入Global Bin Prediction Module（GBPM），估计深度箱的全局分布，为深度回归提供结构指导。在NYU-V2和KITTI数据集上的大量实验表明，我们的方法在性能上具有竞争力，优于现有方法，验证了每个提议组件的有效性。
引用
@article{arxiv.2508.03186,
title = {Monocular Depth Estimation with Global-Aware Discretization and Local Context Modeling},
author = {Heng Wu and Qian Zhang and Guixu Zhang},
journal= {arXiv preprint arXiv:2508.03186},
year = {2025}
}