扩散解码自监督深度模型

弱视差下细节更稳

用插值视图增强和扩散解码，在弱视差、动态场景下恢复更清晰的边界与结构。

Liu, Youchen · 王庆 · Chong, Tan · 郭树森

Measurement Science and Technology 2026

技术优势

训练更稳

使用冻结的教师网络和提出的对数蒸馏损失，对增强中心帧施加师生一致性约束，抑制预测漂移。

边界更清晰

基于去噪扩散隐式模型的多尺度解码器通过分阶段去噪渐进细化深度预测，改善边界和细粒度结构的恢复。

弱视差也有效

通过插值视图增强提供额外的几何线索，丰富时序观测，缓解弱视差下监督不足的问题。

应用场景

• 自动驾驶：在弱视差和动态场景下提供稳定深度，改善车辆对周围环境的感知。
• 无人机视觉：在低纹理和动态环境中保持深度一致性，辅助避障和导航。
• 机器人导航：提升连续帧推理的深度稳定性，支持机器人在变化场景中可靠导航。
• 三维重建：恢复更清晰的边界和几何结构，有助于生成更精细的三维模型。