任何条件下的 Depth Anything

我们提出了在任何条件下都能使用的 Depth Anything (DepthAnything-AC)，这是一个基础的 单目深度估计 (MDE) 模型，能够处理各种 环境条件。 之前的 MDE 基础模型在一般场景中表现出色，但在复杂的开放世界中表现不佳， 这些开放世界包含诸如光照变化、恶劣天气和传感器引起的失真等具有挑战性的条件。 为了克服 数据稀缺和从损坏图像生成高质量伪标签的困难，我们提出了一种无监督的一致性 正则化微调范式，该范式仅需要相对少量的未标记数据。 此外，我们提出了空间距离约束来 显式地强制模型学习patch级别的相对关系，从而产生更清晰的语义边界和更准确的细节。 实验结果表明 DepthAnything-AC 在各种基准测试中的零样本能力， 包括真实世界的恶劣天气基准测试、合成损坏基准测试和通用基准测试。 项目页面: https://ghost233lism.github.io/depthanything-AC-page 代码: https://github.com/HVision-NKU/DepthAnythingAC