SA4Depth：自监督单目深度估计中的一致姿态-深度尺度对齐
计算机视觉与模式识别
2026-05-28 v1
摘要
自监督单目序列深度估计依赖于深度网络与姿态网络的联合学习。尽管已有大量研究致力于改进深度网络，但关于姿态网络的探索仍有限。在此背景下，尽管深度估计仅能得到尺度不确定的结果，我们强调了姿态网络与深度网络所估计场景尺度之间对齐的重要性。我们提出了 SA4Depth 方法，以改善这种对齐并提升深度预测性能，同时保持推理时间不变。该方法利用训练期间估计的深度，对连续帧中的可学习视觉特征进行重投影，并通过减少特征对齐残差来细化姿态估计。通过本方法，独立的深度与姿态网络所估计的场景尺度得到对齐，不同序列之间的预测尺度一致性得到提升。我们所做的可微分细化可无缝集成到现有的自监督管道中，并显著提升其深度估计结果。我们在 KITTI、Cityscapes 和 NYUv2 数据集上进行了户外和室内的大量实验。此外，KITTI Odometry 结果也证明了姿态细化的有效性。我们的代码已公开于 https://github.com/Runningchauncey/SA4Depth。
引用
@article{arxiv.2605.28477,
title = {SA4Depth: Consistent Pose-Depth Scale Alignment for Self-Supervised Monocular Depth Estimation},
author = {Changxuan Li and Nadine Berner and Nassir Navab and Federico Tombari and Stefano Gasperini},
journal= {arXiv preprint arXiv:2605.28477},
year = {2026}
}
备注
Accepted by IEEE RA-L 2026