论文页面 - 学会判别场景结构使自监督深度学习具备可扩展性

来源：https://huggingface.co/papers/2610.23600

摘要

MaSS 框架通过将结构表示与上下文特征分离，并利用场景结构判别目标，在多样场景中提升了自监督单目深度估计的性能，从而实现了可扩展的混合域训练和强大的零样本泛化能力。

自监督单目深度估计（https://huggingface.co/papers?q=Self-supervised%20monocular%20depth%20estimation）因其能够利用无标注数据进行扩展而备受关注，但现有方法在多样场景上训练时往往性能下降。本研究发现，在自监督条件下，模型倾向于编码数据集特定的结构偏置，而非可迁移的场景几何信息，从而导致跨域优化冲突（https://huggingface.co/papers?q=cross-domain%20optimization%20conflicts）。为解决这一问题，本研究提出了 MaSS 框架，旨在使自监督深度学习能够扩展到多样化的数据上。MaSS 引入了一条专门的结构表示通路（https://huggingface.co/papers?q=structural%20representation%20pathway），显式地与上下文特征解耦，并由一种新颖的场景结构判别目标（https://huggingface.co/papers?q=scene-structure%20discrimination%20objective）引导，以学习泛化的、感知布局的结构表示用于深度解码。在四个多样数据集上分别和联合进行训练与评估，MaSS 显著优于以往的自监督方法，并且是首个能够持续从混合域训练中获益的方法。在另外八个数据集上的零样本评估（https://huggingface.co/papers?q=Zero-shot%20evaluation）进一步证明了其出色的泛化能力，尤其是在那些完全分布外的场景上。源代码已公开于 https://mias.group/MaSS。

查看 arXiv 页面 (https://arxiv.org/abs/2610.23600)查看 PDF (https://arxiv.org/pdf/2610.23600)项目页面 (https://mias.group/MaSS/)GitHub5 (https://github.com/mengtanZ/MaSS)添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2610.23600)

在你的代理中获取此论文：

hf papers read 2610\.23600

没有最新版 CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用此论文的模型0

没有模型关联此论文

在模型 README.md 中引用 arxiv.org/abs/2610.23600 以从此页面链接它。

引用此论文的数据集0

没有数据集关联此论文

在数据集 README.md 中引用 arxiv.org/abs/2610.23600 以从此页面链接它。

引用此论文的 Spaces0

没有 Space 关联此论文

在 Space README.md 中引用 arxiv.org/abs/2610.23600 以从此页面链接它。

包含此论文的收藏0

没有收藏包含此论文

将此论文添加到收藏 (https://huggingface.co/new-collection)以从此页面链接它。