稀疏激光雷达引导的单目几何基础：面向长程驾驶深度的实证研究
计算机视觉与模式识别
2026-05-27 v1
摘要
稀疏激光雷达引导的深度基座模型（PromptDA、Prior Depth Anything、DMD3C）在室内场景或 KITTI 标准80米评估范围内表现突出。然而仍存在两个局限：(i) 在长程驾驶场景（50-150米）中缺乏系统性距离分层评估；(ii) 现有方法基于视差的基座，依赖预插值稠密先验，将稀疏激光雷达输入注入到点图基座（如 MoGe-2、NeurIPS 2025）方面尚未得到探索。我们提出 SLIM（Sparse-LiDAR Injected Monocular geometry），首次将 MoGe-2 适配以接受真正稀疏的激光雷达输入。SLIM 集成部分卷积稀疏编码器与多尺度融合颈部，在五个尺度处将激光雷达特征注入点图解码器。我们采用密度无关的训练方式（随机注入比例为 [0.005, 0.30]），使单个模型可服务于不同输入密度。在 Virtual KITTI 和 CARLA 上，SLIM 将 MoGe-2 基准的绝对相对误差在100-150米处降低约39-51%。在六种注入比率的消融实验中发现，部分卷积注入在 Virtual KITTI 的所有六种设置下均能改善 AbsRel 和 RMSE；在 CARLA 上，AbsRel 在五个设置中改善（一个接近0.015的设置仅差0.0013），而 RMSE 在不同编码器间相当，部分卷积在三个设置中提升（最高提升0.31单位），在其余三个设置中最多只差0.11单位。
引用
@article{arxiv.2605.26456,
title = {Sparse-LiDAR Prompting of Monocular Geometry Foundations: An Empirical Study Toward Long-Range Driving Depth},
author = {Kai Zheng and Qiang Feng and Xingjian Liu and Wenquan Tan and Yuan Li},
journal= {arXiv preprint arXiv:2605.26456},
year = {2026}
}
备注
6 pages, 3 figures, 2 tables