面向全围栏单目深度的尺度不变与视角关系表征学习
计算机视觉与模式识别
2025-12-10 v1
摘要
最近的基础模型在单目深度估计中表现出强大的泛化能力。然而，直接将这些模型应用于全围栏单目深度估计 (FSMDE) 面临两个主要挑战：(1) 高计算成本限制了实时性能，(2) 难以估计计量尺度深度，因为这些模型通常仅训练以预测相对深度。为此，我们提出了一种新颖的知识蒸馏策略，将来自基础模型的鲁棒深度知识蒸馏到轻量级 FSMDE 网络。我们的方法利用一种混合回归框架，将知识蒸馏方案——通常用于分类——与深度分箱模块结合以增强尺度一致性。具体而言，我们引入一种交叉互动知识蒸馏方案，将基础模型的尺度不变深度概率分布蒸馏到学生网络，同时引导其从真实深度中推断计量尺度深度 bin 中心。此外，我们提出了视角关系知识蒸馿，该方法编码相邻相机视角之间的结构关系，并将其传递以增强跨视图深度一致性。在 DDAD 和 nuScenes 上的实验表明，我们的方法优于常规监督方法和现有知识蒸馈方法。此外，我们的方法在性能和效率之间实现了有利的权衡，满足实时要求。
引用
@article{arxiv.2512.08700,
title = {Scale-invariant and View-relational Representation Learning for Full Surround Monocular Depth},
author = {Kyumin Hwang and Wonhyeok Choi and Kiljoon Han and Wonjoon Choi and Minwoo Choi and Yongcheon Na and Minwoo Park and Sunghoon Im},
journal= {arXiv preprint arXiv:2512.08700},
year = {2025}
}
备注
Accepted at IEEE Robotics and Automation Letters (RA-L) 2026