OpenDepth：用图像编辑先验提升单目深度估计鲁棒性

Mengke Zhang 等在 arXiv 提交论文，提出 OpenDepth 框架，将开放世界单目深度估计建模为多风格图像间的一致几何推断，利用图像到图像模型的编辑先验提升对光照变化和恶劣天气的鲁棒性。据作者基于论文摘要的报告，该框架在标准和极端天气基准的鲁棒零样本深度估计中取得了新的 SOTA 结果。 方法上，框架引入"域内感知"，把几何相同但风格多样的输入映射到统一潜空间：通过 DiT 浅层特征对齐退化观测与统一几何表示，并联合 RGB 潜变量重建以恢复干净颜色信息。结果为作者声称，尚未经独立验证。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。