跳到正文
arXiv · 机器人与计算机视觉· Reyhaneh Ahani Manghotay, Jie Liang·· 9 天前AI 评分75

LangDepth:基于场景语义先验的跨域单目深度估计

LangDepth: Vision-Language Scene Priors for Semantic Binning and Cross-Domain Monocular Depth Estimation

AI 导读

该研究提出了 LangDepth 架构,通过冻结 CLIP 编码器和可学习的概念键提取场景描述符,利用场景先验模块(SPM)为室内和室外场景分别设定全局深度区间锚点。模型在 NYU Depth V2、KITTI、DIODE 等数据集上实现了高 delta_1 精度,且无需大规模监督数据或伪标签。实验表明,该机制能有效处理跨域尺度差异,并在户外场景中由先验主导预测结果。

来源:arXiv · 机器人与计算机视觉 · arxiv.org