PXDepth: Nuovo modello di stima della profondità monoculare preserva le strutture fini tramite modellazione nello spazio dei pixel
Un recente articolo su arXiv (2608.16984v1) presenta PXDepth, un modello di stima della profondità monoculare che distingue tra modellazione del contesto globale e previsione della profondità a livello di pixel. Questo metodo innovativo affronta un problema frequente negli stimatori contemporanei, che tendono a trascurare strutture intricate e bordi degli oggetti a causa dell'uso di encoder ViT a patch grandi insieme a decoder convoluzionali. PXDepth impiega un ViT a patch grandi per catturare il contesto generale della scena e un predittore nello spazio dei pixel costruito con blocchi Context-Modulated Pixel Transformer per mantenere dettagli spaziali ad alta risoluzione. Questa architettura conserva efficacemente strutture fini e confini netti garantendo al contempo una coerenza globale della profondità. Il modello mostra un'impressionante generalizzazione zero-shot attraverso vari benchmark, fondendo una geometria locale accurata con una precisione globale della profondità competitiva.
Fatti principali
- arXiv:2608.16984v1 annuncia PXDepth, un nuovo modello di stima della profondità monoculare.
- PXDepth separa la modellazione del contesto globale dalla previsione della profondità a livello di pixel.
- Il modello utilizza un ViT a patch grandi per il contesto globale della scena.
- Un predittore nello spazio dei pixel con blocchi Context-Modulated Pixel Transformer mantiene rappresentazioni ad alta risoluzione.
- Il design preserva strutture fini e confini netti senza sacrificare la coerenza globale della profondità.
- I recenti stimatori di profondità monoculare spesso hanno difficoltà con strutture a grana fine e bordi degli oggetti.
- PXDepth raggiunge una forte generalizzazione zero-shot su diversi benchmark.
- Il metodo combina una geometria locale fedele con una precisione globale della profondità competitiva.
Entità
Istituzioni
- arXiv