论文页面 - 一场景，两深度：探索单目基础模型中的几何歧义

来源：https://huggingface.co/papers/2606.29600

摘要

一个忠实的3D世界表示应当考虑分层几何结构，即单条相机光线可能包含多个可见且几何上有效的表面。然而，单目深度估计将此结构简化为每个像素的一个标量深度值。透明场景使这种歧义变得可测量：同一条光线可以穿过前景玻璃并观察到背景，这使得监督目标成为一种依赖于标注、数据和训练的约定，而非场景固有的真实值。学习到的预测器通过其深度层偏好暴露了这种约定。我们引入了 MultiDepth-3k (MD-3k)，这是一个稀疏的双层序数基准，用于测量深度层偏好和多层空间关系准确性 (ML-SRA)。在 MD-3k 上，领先的深度基础模型在标准 RGB 输入下表现出多样化的层偏好，表明相同的分层几何结构在不同模型间可能以不同方式解析。我们进一步发现，拉普拉斯视觉提示 (LVP) 是一种无训练的谱输入变换，可以显著改变某些冻结模型的报告层。最强的 RGB/LVP 配对 DAv2-L 达到了 75.5% 的 ML-SRA。这些结果表明，深度基础模型可能表达了互补的几何假设，而这些假设是标准 RGB 推理所未能表达的。我们邀请社区通过歧义意识的视角重新思考深度监督和评估，在这个视角中，多个有效的 3D 解释被视为有待测量、保留和表达的几何结构。

查看 arXiv 页面 (https://arxiv.org/abs/2606.29600) 查看 PDF (https://arxiv.org/pdf/2606.29600) GitHub (https://github.com/Xiaohao-Xu/Ambiguity-in-Space) 添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2606.29600)

在您的智能体中获取此论文：

hf papers read 2606.29600

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

引用此论文的模型 0

没有模型链接此论文

在模型的 README.md 中引用 arxiv.org/abs/2606.29600 以将其链接到此页面。

引用此论文的数据集 0

没有数据集链接此论文

在数据集的 README.md 中引用 arxiv.org/abs/2606.29600 以将其链接到此页面。

引用此论文的空间 0

没有空间链接此论文

在空间的 README.md 中引用 arxiv.org/abs/2606.29600 以将其链接到此页面。

包含此论文的集合 0

没有集合包含此论文

将此论文添加到集合 (https://huggingface.co/new-collection) 以将其链接到此页面。