SeeGroup：基于自确定性分组的透明表面多层深度估计
计算机视觉与模式识别
2026-05-28 v1
摘要
透明物体在日常生活中常见，理解其多层深度（包括透明表面及其后方物体）至关重要。现有方法的多层深度估计通常扩展单层预测，通过前到后顺序对 3D 点进行排序并逐层预测。然而，由于分层几何可以容许将 3D 点分配到多个有效分组中，预定义的分组策略本质上具有限制性。在本工作中，我们提出了 SeeGroup，一种避免强加分组、允许模型自适应分配表面到深度图的多层深度估计方法。我们将每个像素的多层深度表述为点过程，将深度层视为沿每个相机射线的无序事件。这导致对观察深度层的概率分布具有排列不变性，从而产生一种自然支持任意层分组的损失函数。实验表明，我们的方法显著推进了多层深度估计的技术进展，将 LayeredDepth 数据集上四分位相对深度准确率从 61.34% 提升至 70.09%。代码已在 https://github.com/princeton-vl/SeeGroup 上提供。
引用
@article{arxiv.2605.28735,
title = {SeeGroup: Multi-Layer Depth Estimation of Transparent Surfaces via Self-Determined Grouping},
author = {Hongyu Wen and Jia Deng},
journal= {arXiv preprint arXiv:2605.28735},
year = {2026}
}