基于测试时对齐的仿射不变深度完成零样法

深度完成是从稀疏深度 measurements 预测稠密深度图的困难问题，需先验知识。最近的方法采用基于学习的方法来隐式捕获先验，但这些先验主要适用于领域内数据，对领域外场景的泛化性差。为此，我们提出一种零样深度完成方法，由仿射不变深度扩散模型和测试时对齐组成。我们使用预训练的深度扩散模型作为深度先验，这些模型隐式理解如何为场景填充深度。我们的办法通过测试时对齐仿射不变深度先验与标度稀疏 measurements，通过测试时优化循环将其作为硬性约束。我们的方法在各种领域数据集上实现了零样泛化，平均性能比以前的最先进方法提高了21%，同时通过锐化场景细节增强了空间理解。我们表明， 将单目仿射不变深度先验与稀疏标度 measurements 对齐，是一种无需依赖大量训练数据即可实现领域通用深度完成的可行策略。项目页面：https://hyoseok1223.github.io/zero-shot-depth-completion/。