UniDAC：面向任意相机的通用度量深度估计
计算机视觉与模式识别
2026-04-09 v2
摘要
单目度量深度估计（MMDE）是计算机视觉中的核心挑战，发挥着在要求准确空间理解的实际应用中起关键作用。尽管先前方法在 MMDE 上展现出有前景的零样本性能，但往往在不同相机类型（如鱼眼和 360° 相机）之间难以泛化。近期进展通过统一相机表示或标准化表示空间来解决此问题，但需要在训练时包含大视场（large-FoV）相机数据，或为不同领域分别训练模型。我们提出 UniDAC，一个在所有领域中实现通用鲁棒性、单模型即可跨不同相机泛化的 MMDE 框架。我们通过将度量深度估计解耦为相对深度预测和空间变形尺度估计来实现此目标，使其在不同领域中表现稳健。我们提出了轻量级的深度引导尺度估计模块，使用相对深度图作为引导将粗糙尺度图上采样到高分辨率，以考虑局部尺度变化。此外，我们引入 RoPE-φ，一种基于纬度加权的畸变感知位置嵌入，尊重等经纬投影（ERP）中的空间扭曲。UniDAC 在跨相机泛化方面实现了最先进（SoTA）性能，始终在所有数据集上超越先前方法。
引用
@article{arxiv.2603.27105,
title = {UniDAC: Universal Metric Depth Estimation for Any Camera},
author = {Girish Chandar Ganesan and Yuliang Guo and Liu Ren and Xiaoming Liu},
journal= {arXiv preprint arXiv:2603.27105},
year = {2026}
}