点击按钮预约直播 深度估计是机器人感知、三维重建、AR/VR 等应用的核心。然而，现有的深度估计方法普遍存在边缘飞点（Flying Pixels）问题，而这会导致机器人执行决策时候，引发错误动作；三维重建时导致物体轮廓鬼影重重等。现有方法经历边 缘飞点主要因为以下原因： 点击下方 卡片 ，关注" 自动驾驶之心 "公众号 戳我-> 领取 自动驾驶近30个 方向 学习 路线 >>直播和内容获取转到 → 自动驾驶之心知识星球 本文提出 Pixel-Perfect Depth (PPD)，一种 直接在像素空间进行扩散生成的单目深度估计模型 ，从根源上避免了因 VAE 压缩导致的伪影问题。然而，高分辨率像素空间的扩散建模极具挑战：模型需兼顾 全局语义的一致性 与 局部细节的精确 性 ，否则极易出现结构失真或深度跳变。为此，本文设计了语义引导的扩散 Transformer（SP-DiT），在扩散过程中引入 来自视觉基础模型的高层语义特征作为提示，有效增强了模型对全局结构的把握与细节恢复能力。同时，本文提出一种 判别式模型 （如 Depth Anything v2, Depth Pro ）由于回归损失的平滑倾向，容易在深度 ...

以下文章来源于3D视觉之心 ，作者Gangwei Xu等 3D视觉之心 . 3D视觉与SLAM、点云相关内容分享 点击下方 卡片 ，关注" 自动驾驶之心 "公众号 戳我-> 领取 自动驾驶近30个 方向 学习 路线 >>自动驾驶前沿信息获取 → 自动驾驶之心知识星球 论文作者 | Gangwei Xu等 编辑 | 自动驾驶之心 研究动机与贡献 深度估计是机器人感知、三维重建、AR/VR 等应用的核心。然而，现有的深度估计方法普通存在边缘 飞点（Flying Pixels）问题 ，而这会导致机器人执行决策时 候，引发错误动作；三维重建时导致物体轮廓鬼影重重等。现有方法经历边缘飞点主要因为以下原因： 论文题目: Pixel-Perfect Depth with Semantics-Prompted Diffusion Transformers Project Page: https://pixel-perfect-depth.github.io/ Github Code: https://github.com/gangweix/pixel-perfect-depth Huggingface Demo: https ...