融合自适应采样与全局感知的图像深度估计算法

来源：计算机工程与应用杂志2025年第5期北京时间：

作者：王国相, 李昌隆, 宋俊锋, 叶振, 金恒

单位：1.丽水学院，浙江 丽水 323000；2.浙江省特色文创产品数字化设计与智能制造重点实验室，浙江 丽水 323000；3.北京邮电大学 信息与通信工程学院，北京 100876；4.浙江大华技术股份有限公司，杭州 310051

摘要：深度估计旨在通过少量稀疏深度样本点预测场景的稠密深度图，现有方法通常直接从稀疏深度样本生成最终的深度预测图，没有充分挖掘稀疏深度图包含的几何信息，导致深度估计算法的预测精度不够高。针对上述问题，提出一种融合自适应采样与全局感知的图像深度估计算法，由粗粒度到细粒度逐步预测深度图。通过引入预训练的深度补全网络预测粗粒度的稠密深度图，获取丰富的场景结构信息和语义信息。设计自适应深度采样方法，引导算法模型对远处的区域施加更多关注，缓解深度数据的长尾分布问题。同时通过新设计的全局感知模块，捕获并融合多尺度特征，从而获取更多的场景上下文信息。在NYU-Depth-v2数据集上的实验结果表明，算法在整体性能上超越了其他方法；消融实验的结果验证了提出的各个模块的有效性；Zero-shot实验的结果表明算法有较好的泛化性能，其中在ScanNet数据集上的阈值精度指标δ<1.25相比P3D方法提升了42个百分点，相比S2D方法则提升了3.8个百分点。

关键词：深度估计,深度补全,稠密深度图,多尺度特征融合,自适应采样