English(EN) Beyond Visual Ambiguity: Guiding Robust Monocular Depth Estimation in Challenging Scenarios via Detailed Long Captions

新方法增强了在挑战性场景中的单目深度估计

作者 PulseAugur 编辑部 · [2 个来源] · 2026-07-31 04:00

研究人员开发了新的方法来提高在具有挑战性的视觉场景中的单目深度估计（MDE）。一种方法 CapDepth，利用详细的长标题来指导深度解码，在非朗伯表面和恶劣天气下实现了显著的误差降低。另一种方法侧重于通过约束梯度域的预测和在训练期间采用随机色调映射增强来增强非朗伯表面的 MDE 鲁棒性。 AI

影响这些进步可能导致 AI 系统中更准确的 3D 场景理解，尤其是在视觉复杂或不利的条件下。

排序理由两篇 arXiv 论文提出了单目深度估计的新方法。

AI 生成摘要 · Google Gemini · 来自 2 个来源。我们如何撰写摘要 →

报道来源 [2]

arXiv cs.CV TIER_1 English(EN) · Junrui Zhang, Jiaqi Li, Yiran Wang, Liao Shen, Zhiguo Cao · 2026-07-31 04:00

超越视觉歧义：通过详细的长标题指导在挑战性场景下进行鲁棒的单目深度估计

arXiv:2607.28285v1 Announce Type: new Abstract: Monocular depth estimation (MDE) faces challenges with non-Lambertian surfaces and adverse weather conditions due to the visual ambiguities inherent in single-image limited information. Existing works address them in isolation via i…
arXiv cs.CV TIER_1 English(EN) · Junrui Zhang, Jiaqi Li, Yachuan Huang, Yiran Wang, Jinghong Zheng, Liao Shen, Zhiguo Cao · 2026-07-31 04:00

面向非朗伯表面鲁棒单目深度估计

arXiv:2408.06083v2 Announce Type: replace Abstract: In the field of monocular depth estimation (MDE), many models with excellent zero-shot performance in general scenes emerge recently. However, these methods often fail in predicting non-Lambertian surfaces, such as transparent o…