Unsupervised Monocular Depth Estimation Based on Hierarchical Feature-Guided Diffusion

无监督单目深度估计因其能够在没有地面真实值的情况下进行训练而受到广泛关注。在现实世界的场景中，由于天气条件和相机固有限制的影响，图像可能模糊或嘈杂。因此，开发具有强大鲁棒性的深度估计模型尤为重要。受生成网络的训练策略的益处，基于生成的方法通常表现出更强的鲁棒性。因此，我们采用生成网络中良好收敛的扩散模型来进行无监督单目深度估计。此外，我们提出了一个分层特征引导的去噪模块。这个模型通过充分利用图像特征来指导去噪过程，显著丰富了模型的学习和解释深度分布的能力。此外，我们探索了重投影中的隐式深度，并设计了一个隐式深度一致性损失。这个损失函数有助于提高模型的性能，并确保视频序列中深度的尺度一致性。我们在KITTI、Make3D和我们自己收集的SIMIT数据集上进行了实验。结果表明，我们的方法在基于生成的模型中脱颖而出，同时展示了卓越的鲁棒性。

论文旨在解决无监督单目深度估计中存在的模糊和噪声问题，提出了一种基于生成网络的方法，以及一个层次化特征引导的去噪模块和一个隐式深度一致性损失函数。

论文提出的方法是基于生成网络的，通过引入层次化特征引导的去噪模块和隐式深度一致性损失函数，增强了模型的鲁棒性和学习深度分布的能力。

论文在KITTI、Make3D和自己收集的SIMIT数据集上进行了实验，结果表明该方法在生成网络中表现出色，并且具有显著的鲁棒性。此外，论文还探索了隐含的深度重投影，并提出了一个隐式深度一致性损失函数来增强模型性能。

在这个领域的相关研究包括利用卷积神经网络进行深度估计的方法、利用光流和视差约束进行深度估计的方法等。