基于垂直切割深度的单目深度估计全局-局部路径网络

单目深度估计是从单张图像中恢复场景深度信息的重要任务，在计算机视觉的多个领域具有广泛应用，其发展得益于卷积神经网络的迅速进步。本文提出一种新颖的网络结构与训练策略，旨在进一步提升单目深度估计的预测精度。我们引入分层Transformer编码器以捕获并传递全局上下文信息，并设计了一个轻量化但高效的解码器，能够在保持局部连接性的同时生成精确的深度图。通过所提出的选择性特征融合模块，构建多尺度局部特征与全局解码流之间的连接路径，使网络能够有效融合局部与全局表征，从而恢复精细细节。此外，所提出的解码器在性能上优于先前的解码结构，同时显著降低了计算复杂度。进一步地，我们基于深度估计中的一项关键观察，优化了面向深度任务的增强方法，以提升模型的泛化能力。在具有挑战性的NYU Depth V2数据集上，所提方法达到了当前最优的性能表现。大量实验验证了该方法的有效性与优越性。最终，我们的模型在泛化能力与鲁棒性方面均优于其他对比模型。