Tag · 4 篇

深度补全

分布 3D 视觉与重建3数据集与评测1

Zero-Shot Depth Completion with Vision-Language Model

把稀疏深度以视觉 token、文本提示和文本监督三种方式注入 VLM，使通用视觉语言模型无需改结构即可输出带绝对尺度的稠密深度，为利用 VLM 语义先验做几何感知提供了一条可复用的路径。

The Midas Touch for Metric Depth

把现成的相对深度预测结果用极稀疏的 3D 点（如 LiDAR 稀疏点、SfM 点）提升为度量深度，分段稀疏图优化加不连续感知测地代价的像素级细化，可直接作为后处理模块接在任意单目深度模型后面，用于需要真实尺度的下游 3D 任务。

Dense Metric Depth Completion from Sparse Direct Time-of-Flight Sensors

提出深度引导的双分支ViT编码器与掩码联合注意力，防止稀疏深度token被图像特征覆盖，为稀疏深度补全提供可复用的融合机制；同时开源dToF仿真管线，支持在合成数据上训练后零样本迁移到真实设备。

CARD: A Multi-Modal Automotive Dataset for Dense 3D Reconstruction in Challenging Road Topography

提供准稠密多激光雷达融合深度真值（每帧约 50 万有效深度像素，约为 KITTI 深度补全的 6.5 倍），可用于训练与评测深度估计/补全模型在减速带、坑洼、非铺装路面等困难地形上的细粒度几何能力；其立体引导深度补全变体与标准化评测协议可直接作为新基准复用。