BetterDepth: 零样本单目深度估计的即插即用扩散精炼器
原文中文,约600字,阅读约需2分钟。发表于: 。通过训练大规模数据集,零样本单目深度估计(MDE)方法在野外显示出稳健的性能,但常常在细节上不够精确。然而最近的基于扩散的 MDE 方法在细节提取方面具有吸引人的能力,但在几何上具有挑战性的场景中仍然存在困难,因为难以从多样的数据集中获得稳健的几何先验。为了充分利用两个世界的优势,我们提出了 BetterDepth,以实现几何正确的、与仿射不变相 MDE...
研究人员提出了一种新的零样本单目深度估计(MDE)方法,称为BetterDepth,通过训练大规模数据集并结合基于扩散的MDE方法和几何先验,能够捕捉细粒度的细节。通过在小规模合成数据集上进行高效训练,BetterDepth在各种公共数据集和野外场景中实现了最先进的零样本MDE性能,同时还可以提高其他MDE模型的性能。