PromptMono：用于挑战环境下自监督单目深度估计的跨提示注意力
计算机视觉与模式识别
2025-03-31 v2
摘要
为理想条件下提升单目深度估计，已付出大量努力。然而，在挑战性环境下，单目深度估计仍面临困难。本文提出在不同环境中统一模型进行视觉提示学习，以预测深度，并提出一种自监督学习框架称为 PromptMono。它采用一组可学习参数作为视觉提示，以捕获特定领域的知识。为将提示信息整合到图像表示中，提出了一种新型门控跨提示注意力（GCPA）模块，以增强在各种条件下的深度估计。我们在 Oxford Robotcar 数据集和 nuScenes 数据集上评估了所提出的方法。实验结果表明，所提出的方法在性能上表现突出。
引用
@article{arxiv.2501.13796,
title = {PromptMono: Cross Prompting Attention for Self-Supervised Monocular Depth Estimation in Challenging Environments},
author = {Changhao Wang and Guanwen Zhang and Zhengyun Cheng and Wei Zhou},
journal= {arXiv preprint arXiv:2501.13796},
year = {2025}
}
备注
10 pages