DepthPlay-Agent: Agentic Learning and Fusion for Depth Estimation

Fahad Majeed

doi:10.1109/OJSP.2026.3703724

DepthPlay-Agent: Agentic Learning and Fusion for Depth Estimation

2026-06-15

0

OA

AI

DOI：10.1109/OJSP.2026.3703724

原文链接

原文求助

摘要

En 中文

复杂动态环境下的单目深度估计仍具挑战性，原因在于快速物体运动、纹理重复、遮挡以及结构化场景中固有的强几何约束。为应对这些挑战，我们提出了DepthPlay-Agent（DEAN），一种基于可学习专家混合（Mixture-of-Experts）控制器的代理式多模型融合框架，该框架整合了当前最优（SOTA）深度估计器骨干网络，如UNet++、HybridDepth、DINOv3和ZoeDepth。该控制器通过Transformer嵌入场景上下文，并利用任务先验动态分配逐像素融合权重。此外，一个领域感知的精炼模块进一步通过平面和语义分割提示强制几何一致性。除静态融合外，DEAN引入了一个代理式推理层，动态调控专家贡献和精炼策略，实现自适应且可解释的决策。在四个基准数据集（SoccerNet-Depth、KITTI、MPI-Sintel、NYU Depth V2）上的实验表明，DEAN持续达到SOTA性能，相较于强基线，绝对相对误差（AbsRel）最高提升5%，结构相似性对数误差（SILog）降低8%。通过结合多模态智能与结构化几何推理，DEAN为动态现实场景中的自适应、上下文感知深度估计建立了新范式。

Keyword:

Monocular depth estimation

agentic learning

multimodal learning

decision making

DepthPlay-Agent: Agentic Learning and Fusion for Depth Estimation

摘要

期刊

机构

引用论文