Boosting monocular depth estimation with semantic diffusion guided convolutional transformer model

doi:10.1016/j.neucom.2025.132113

Boosting monocular depth estimation with semantic diffusion guided convolutional transformer model

2025-11-19

0

PRE

AI

DOI：10.1016/j.neucom.2025.132113

原文链接

原文求助

摘要

En 中文

• 开发了一种双分辨率估计方法，用于分离平滑基深度与残差细节深度。平滑基深度估计仅关注深度的广域一致性，而残差细节深度估计则处理边界深度的局部回归。边界深度实际上是残差深度中一个极其关键的组成部分。它在深度平滑后，作为残差深度中保留的主要组成部分。针对不同分支，基于卷积和Transformer特性设计了具有不同范围的上下文信息编码器。• 提出了一种语义引导的真边界扩散模块。它采用空间扩散模型的近似形式，并利用多尺度上下文语义信息引导各向异性边界处的深度扩散，从而改善局部边界深度估计。• 大量实验证实，所提出的方法在公开室内外数据集上表现良好，部分指标达到或超越当前最优方法，尤其在视觉效果方面表现突出。

Boosting monocular depth estimation with semantic diffusion guided convolutional transformer model

摘要

期刊

机构

引用论文