面向深浅波动的XD-RCDepth：轻量级雷达-相机深度估计
计算机视觉与模式识别
2025-10-16 v1
摘要
深度估计是自动驾驶的核心任务，雷达-相机融合通过提供互补的几何线索，在恶劣条件下提供鲁棒性。在本文中，我们提出了XD-RCDepth，一种轻量级架构，其参数比最新方法中轻量级基线减少29.7%，同时保持可 comparable 的准确性。为了保持压缩下的性能并增强可解释性，我们引入了两种知识蒸馏策略：一种解释性对齐蒸馈将教师的显著性结构传递给学生，另一种深度分布蒸馈将深度回归重新表述为对离散化 bin 的软分类。这些组件共同减少了与直接训练相比的MAE降低7.97%，并在nuScenes和ZJU-4DRadarCam数据集上实现了具竞争力的准确性和实时效率。
引用
@article{arxiv.2510.13565,
title = {XD-RCDepth: Lightweight Radar-Camera Depth Estimation with Explainability-Aligned and Distribution-Aware Distillation},
author = {Huawei Sun and Zixu Wang and Xiangyuan Peng and Julius Ott and Georg Stettinger and Lorenzo Servadei and Robert Wille},
journal= {arXiv preprint arXiv:2510.13565},
year = {2025}
}
备注
Submitted to ICASSP 2026