度量深度的点金之手
计算机视觉与模式识别
2026-05-13 v1
摘要
近期进展显著改善了相对深度估计的跨场景泛化能力，然而其实际应用性仍因缺乏度量尺度、局部不一致性以及计算效率低下而受限。为解决这些问题，我们提出了\emph{\textbf{M}idas \textbf{T}ouch for \textbf{D}epth} (MTD)，这是一种数学上可解释的方法，仅使用极其稀疏的三维数据即可将相对深度转换为度量深度。为消除局部尺度不一致性，它通过稀疏图优化应用逐段恢复策略，随后使用一种不连续性感知的测地代价进行逐像素细化策略。MTD展现出强大的泛化能力，并相较于以往的深度补全和深度估计方法实现了显著的精度提升。此外，其轻量级、即插即用的设计便于在各种下游三维任务中部署和集成。项目页面见 https://mias.group/MTD。
引用
@article{arxiv.2605.11578,
title = {The Midas Touch for Metric Depth},
author = {Yu Ma and Zizhan Guo and Zuyi Xiong and Haoran Zhang and Yi Feng and Hongbo Zhao and Hanli Wang and Rui Fan},
journal= {arXiv preprint arXiv:2605.11578},
year = {2026}
}