深度估计相关 AI 资讯 · AI 热点

7月19日

18:48

18:48

官方账号Decoder@Jonathan Kemper

77°

Google Deepmind 提出 GenCeption 方法，利用视频生成器完成深度估计和语义分割等经典视觉任务。该方法在仅使用合成视频训练的情况下，匹配甚至超越当前最先进系统的性能。研究团队认为视频生成器内部已经隐式包含了一种通用世界模型，这挑战了传统计算机视觉的范式。GenCeption 在 KITTI 深度估计基准上取得了与基于真实数据训练的模型相当的结果，证明了其有效性。

论文 GenCeption Google Deepmind 视频生成

推荐理由：Deepmind 把视频生成器当成通用感知模型，用合成视频训练就达到了顶级深度估计水平，挺震撼的，值得一看。

7月7日

19:01

19:01IT之家（博客/媒体）

精选

蚂蚁集团旗下灵波科技发布空间感知模型 LingBot-Depth 2.0，训练数据从 300 万扩充至 1.5 亿。在深度补全基准 16 项测评中获 12 项第一，室内大面积深度缺失场景 RMSE 从 0.132 降至 0.062。同时推出视觉基座模型 LingBot-Vision，预训练语料仅 1.6 亿张图像，深度估计精度优于 DINOv3。该模型已通过奥比中光深度视觉实验室认证，在 Gemini 330 系列相机上边缘清晰度、细小物体识别等全面升级。

AI模型 LingBot-Depth 2.0 LingBot-Vision 蚂蚁集团

推荐理由：灵波科技发布了空间感知模型 LingBot-Depth 2.0，训练数据暴涨到 1.5 亿，深度补全拿了 12 项第一，玻璃镜面场景也稳得很。

12:23

12:23

量子位@量子位的朋友们

蚂蚁灵波正式发布空间感知模型LingBot-Depth 2.0。LingBot-Depth 2.0专注于机器人视觉深度估计。LingBot-Depth 2.0提升了机器人对三维环境的理解能力。

AI模型 LingBot-Depth 2.0 蚂蚁灵波空间感知

推荐理由：蚂蚁灵波新出的深度模型LingBot-Depth 2.0，专门给机器人做空间感知的，做机器人视觉的朋友可以看看。

07:02

07:02

elvis@omarsar0

精选

LingBot-Vision 作为视觉基础模型开源发布，其配套的 LingBot-Depth 2.0 在 150M 规模上训练，将深度估计误差降低一半，并在 12/16 个基准测试中达到领先水平。该模型专门解决了玻璃、镜面、透明物体等传统深度相机的难点。团队同时开源了这两项成果。

AI模型 LingBot-Vision LingBot-Depth 深度估计

推荐理由：想做机器人深度估计？LingBot 团队开源了视觉基础模型和深度模型，误差直接减半，还拿下了12个基准的第一。

6月2日

12:00

12:00

官方账号arXiv cs.AI@Siyuan Bian, Congrong Xu, Jun Gao

深度估计中的“飞点”问题一直难以解决：在物体边界处，模型常会在前景与背景之间的空白区域预测出虚假的3D点。研究团队发现，根本原因在于传统模型为每个像素只分配一个深度假设，而边界像素实际对应两个表面，单一假设被迫取中间值，导致飞点。他们提出MDA（混合密度表示法），让模型为每个像素预测多个深度假设及其概率，边界处不同假设可对齐不同表面，解码时从中选择而非取中间值。该方法在不同骨干网络上均显著改善边界重建，几乎消除飞点伪影，且计算开销极小。此外，MDA还能自然扩展到透明物体（预测多个深度层）和天空区域（分离无限远天空与有限深度区域），生成无飞点的天际线。

论文深度估计飞点伪影混合密度表示

推荐理由：做深度估计或3D视觉的团队，边界飞点问题终于有了一个轻量且有效的解决方案——MDA几乎不增加计算成本就能大幅提升边界质量，值得在现有模型上试试。