深度估计

推断图像里每个像素离相机有多远，输出一张深度图。

深度估计是从图像推断场景各点到相机距离的任务，结果通常是一张与图像同尺寸的深度图。做法大致三类：双目立体匹配，按两台相机的视差用三角关系计算；主动测距，如结构光、ToF 深度相机和激光雷达；单目深度估计，用神经网络从单张图推断。单目天然有尺度歧义，早期模型多只给相对深度，MiDaS（TPAMI 2020）靠混合多数据集训练提升了跨场景泛化，近年的 Depth Pro、Metric3D 等可直接输出以米为单位的度量深度。对机器人，深度是把像素变成点云、做抓取和避障的基础，学习型方法还能弥补深度相机在透明、反光物体上的空洞。

例子深度相机拍玻璃杯时杯身区域深度大片缺失，用学习型模型从 RGB 图估计深度把洞补上，才能生成完整点云供抓取检测使用。

也叫

深度预测

相关

单目深度估计、立体匹配、深度相机、度量深度 / 相对深度、深度补全、Depth Anything

来源

Towards Robust Monocular Depth Estimation: Mixing Datasets for Zero-shot Cross-dataset Transfer (MiDaS, arXiv 1907.01341)
Depth Anything V2 (arXiv 2406.09414)