PuriLight：单目深度估计的轻量化混洗与净化框架
计算机视觉与模式识别
2026-02-12 v1
摘要
我们提出PuriLight，一个轻量且高效的自监督单目深度估计框架，以解决计算效率与细节保留的双重挑战。虽然近期在自监督深度估计方面的进展降低了对真实标注的依赖，但现有方法要么受限于笨重的架构影响实用性，要么受限于轻量模型牺牲结构精度。这些双重局限凸显了亟需开发轻量且结构精确的架构的必要性。我们的框架通过三个阶段的架构集成三个新模块：用于局部特征提取的Shuffle-Dilation Convolution（SDC）模块，用于层次化特征增强的Rotation-Adaptive Kernel Attention（RAKA）模块，用于全局特征净化的Deep Frequency Signal Purification（DFSP）模块。通过这些模块的有效协作，PuriLight能够实现轻量且精确的特征提取与处理。大量实验表明，PuriLight在保持卓越计算效率的同时，以最少的训练参数实现了最先进的性能。代码将在https://github.com/ishrouder/PuriLight上发布。
引用
@article{arxiv.2602.11066,
title = {PuriLight: A Lightweight Shuffle and Purification Framework for Monocular Depth Estimation},
author = {Yujie Chen and Li Zhang and Xiaomeng Chu and Tian Zhang},
journal= {arXiv preprint arXiv:2602.11066},
year = {2026}
}
备注
8 pages, 6figures, accepted by European Conference on Artificial Intelligence (ECAI2025)