基于单目深度估计与多分支修复的轻量化 3D 空间视频生成方法
刘红羽

重庆对外经贸学院，重庆市，401520；

摘要:随着虚拟现实和增强现实技术的快速发展，3D 空间视频生成技术面临着精度与效率难以平衡的挑战。本文提出了一种基于单目深度估计与多分支修复的轻量化 3D 空间视频生成方法。该方法通过设计基于 Sliced MLP 的参数共享深度表征学习网络，实现了高效的单目深度估计。同时构建了包含空域优化、时域一致性和语义约束的多分支修复框架，有效解决了深度估计中的边缘模糊、时序不一致等问题。实验结果表明，所提方法在保持轻量化设计（8.12M 参数）的同时，在 NYU-Depth V2 数据集上的平均相对误差预期达到 0.142，与计算密集型方法相比取得了竞争性的性能表现。

关键词：单目深度估计；多分支修复；3D 空间视频；轻量化算法；深度学习

参考文献

[1]A.Saxena,S. H. Chung, and A. Y. Ng, “Learning depth from single monocular images,”Advances in neural information processing systems, vol. 18, 2005.

[2]S. F. Bhat, I. Alhashim, and P. Wonka, “Adabins: Depth estimation using adaptive bins,” in Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition, 2021, pp. 4009–4018.

[3]S. Niklaus, L. Mai, J. Yang, and F. Liu, “3d ken burns effect from a single image,” in ACM Transactions on Graphics (ToG), vol. 38, no. 6. ACM, 2019, pp. 1–15.