DepthMamba:多尺度VisionMamba架构的单目深度估计

来源：计算机应用研究杂志2025年第3期北京时间：

作者：徐志斌,张孙杰,

单位：上海理工大学光电信息与计算机工程学院,上海200093；

摘要：在单目深度估计领域，虽然基于CNN和Transformer的模型已经得到了广泛的研究，但是CNN全局特征提取不足，Transformer则具有二次计算复杂性。为了克服这些限制，提出了一种用于单目深度估计的端到端模型，命名为DepthMamba。该模型能够高效地捕捉全局信息并减少计算负担。具体地，该方法引入了视觉状态空间（VSS）模块构建编码器-解码器架构，以提高模型提取多尺度信息和全局信息的能力。此外，还设计了MLPBins深度预测模块，旨在优化深度图的平滑性和整洁性。最后在室内场景NYU_Depth V2数据集和室外场景KITTI数据集上进行了综合实验，实验结果表明：与基于视觉Transformer架构的Depthformer相比，该方法网络参数量减少了27.75%，RMSE分别减少了6.09%和2.63%，验证了算法的高效性和优越性。

关键词：单目深度估计,Vmamba,Bins深度预测,状态空间模型,

基金资助：国家自然科学基金资助项目(61603255)；上海市晨光计划资助项目(18CG52)；；