搜索
6M 参数 DepthART 轻量深度估计模型可部署至 Jetson 等端侧设备
5 小时前
DepthART针对单目深度估计领域中大模型泛化性强但部署困难、传统轻量模型泛化性不足的问题，探索了仅用约6M参数的模型保留跨场景深度估计泛化能力的可行方法。该研究提出抗偏置数据采样方法，以均衡多源训练数据分布，防止小模型学习偏差，并通过蒸馏技术将深度先验导入小模型。同时，设计了相机条件化微调策略，保护小模型已习得的通用几何能力，实现低成本的真实尺度恢复。DepthART-S模型参数仅为Depth Anything V2-S的四分之一，在保持高泛化精度的同时，推理速度显著提升，支持多种部署方式。后续还推出了基于MobileNetV4的版本，用标准算子替代自定义算子，大幅降低了算力需求和跨硬件移植的难度。目前，DepthART已覆盖多种参数规模的模型，适配不同硬件约束，推动了轻量级单目深度估计技术的发展，相关成果已被ACM Multimedia 2026接收。
