返回
Leveraging Stable Diffusion for Monocular Depth Estimation via Image Semantic Encoding
DOI:10.1007/978-3-032-01486-3_5.png)
摘要
En 中文
单目深度估计涉及从单幅RGB图像预测深度,在自动驾驶、机器人导航、3D重建等应用中起着关键作用。基于学习的方法的最新进展显著提升了深度估计性能。生成模型,特别是稳定扩散(Stable Diffusion),通过在多样化数据集上进行大规模训练,展现出在恢复精细细节和重建缺失区域方面的巨大潜力。然而,依赖文本嵌入的模型(如CLIP)在需要丰富上下文信息的复杂户外环境中存在局限性,这些局限性降低了其在这些挑战性场景中的有效性。为此,我们提出了一种基于图像的语义嵌入方法,直接从视觉特征中提取上下文信息,显著提升了复杂环境中的深度预测精度。在KITTI和Waymo数据集上的评估表明,我们的方法在性能上可媲美当前最优模型,同时克服了CLIP嵌入在处理户外场景时的不足。通过直接利用视觉语义,我们的方法在深度估计任务中展现出增强的鲁棒性和适应性,并展示了其在其他视觉感知任务中的应用潜力。
Keyword:
Monocular depth estimation
Stable diffusion
Semantic embedding
Generative model
期刊
T
IF:
0
论文数:
36
被引数:
0

