StereoAdapter：将立体深度估计适配到水下场景
计算机视觉与模式识别
2025-09-23 v1 机器人学
摘要
水下立体深度估计为导航、检查和测绘等机器人任务提供精确的三维几何信息，利用低成本被动相机提供度量深度，同时避免了单目方法的尺度模糊性。然而，现有方法面临两个关键挑战：(i) 在无需大量标注数据的情况下，参数高效地将大型视觉基础编码器适配到水下领域，以及 (ii) 将全局一致但尺度模糊的单目先验与局部度量精确但光度脆弱的立体对应关系紧密融合。为应对这些挑战，我们提出了 StereoAdapter，一个参数高效的自监督框架，该框架集成了经 LoRA 适配的单目基础编码器与循环立体细化模块。我们进一步引入了动态 LoRA 适配以实现高效的秩选择，并在合成数据集 UW-StereoDepth-40K 上进行预训练，以增强在多样化水下条件下的鲁棒性。在模拟和真实世界基准上的综合评估显示，与最先进的方法相比，在 TartanAir 上提升了 6.11%，在 SQUID 上提升了 5.12%，而使用 BlueROV2 机器人的真实世界部署进一步证明了我们方法的一贯鲁棒性。代码：https://github.com/AIGeeksGroup/StereoAdapter。网站：https://aigeeksgroup.github.io/StereoAdapter。
引用
@article{arxiv.2509.16415,
title = {StereoAdapter: Adapting Stereo Depth Estimation to Underwater Scenes},
author = {Zhengri Wu and Yiran Wang and Yu Wen and Zeyu Zhang and Biao Wu and Hao Tang},
journal= {arXiv preprint arXiv:2509.16415},
year = {2025}
}