Transformer-CNN双框架深度估计模型

全局局部特征互补

通过并行特征交互模块与多尺度解码器,该模型同时建模全局上下文和局部空间细节,在室内外基准上取得有竞争力的深度估计精度。

李彬 · Dazheng, Zhou · 高先杰 · Zhang, Mingliang

Engineering Applications of Artificial Intelligence 2025

技术优势

全局局部互补

双框架分别建模全局上下文和局部空间关系,并通过PFIM融合互补信息,避免单一架构的局限性。

深度融合机制

设计的并行特征交互模块包含自注意力与交叉注意力,分别突出两个分支的特征并提取互补信息,避免简单融合导致的特征聚合不足。

低层细节保留

低层信息获取模块捕获纹理相关信息并在CNN分支中保留纹理细节,充分利用场景中的低质量低层特征。

多尺度解码

宽域多尺度解码器通过宽域注意力将多尺度特征表示融入解码部分,弥补ViT缺乏多尺度上下文信息的不足。

应用场景