速度之need：基于单步扩散的零样深度完成
计算机视觉与模式识别
2026-05-05 v2 机器人学
摘要
我们提出了Marigold-SSD，这是一个单步、晚期融合的深度完成框架，利用强大的扩散先验，消除了扩散方法通常相关的高昂测试时计算成本。通过将计算负担从推理转移到微调，我们的方法在实际的延迟约束下实现了高效和稳健的3D感知。Marigold-SSD通过仅需4.5个GPU天的训练成本，实现了显著更快的推理速度。在四个室内和两个室外基准上，我们展示了其在跨域泛化和零样性能方面优于现有深度完成方法。我们的 approach 显著缩小了扩散方法与判别模型之间的效率差距。最后，我们通过分析不同输入稀疏度下的性能，挑战了常见的评估协议。页面：https://dtu-pas.github.io/marigold-ssd/
引用
@article{arxiv.2603.10584,
title = {Need for Speed: Zero-Shot Depth Completion with Single-Step Diffusion},
author = {Jakub Gregorek and Paraskevas Pegios and Nando Metzger and Konrad Schindler and Theodora Kontogianni and Lazaros Nalpantidis},
journal= {arXiv preprint arXiv:2603.10584},
year = {2026}
}