摘要
单目深度估计（Monocular Depth Estimation, MDE）旨在从单张RGB图像中预测场景深度，是实现三维场景理解的关键技术。近年来，零样本单目深度估计方法通过采用归一化深度表示与基于知识蒸馏的学习策略，在多样化场景下的泛化能力方面取得了显著进展。然而，当前用于蒸馏的深度归一化方法主要依赖全局归一化，容易放大噪声伪标签，从而降低蒸馏效果。本文系统地分析了不同深度归一化策略对伪标签蒸馏的影响。基于分析结果，我们提出了一种跨上下文蒸馏（Cross-Context Distillation）方法，通过融合全局与局部深度线索，有效提升伪标签的质量。此外，我们进一步设计了一种多教师蒸馏框架，充分利用不同深度估计模型之间的互补优势，从而实现更鲁棒、更精确的深度预测。在多个基准数据集上的大量实验表明，所提方法在定量与定性评价上均显著优于现有最先进方法。