Sat3R：通过 RPC 感知深度进行卫星 DSM 重建 微调

根据卫星图像重建准确的数字表面模型 (DSM) 对于灾害响应、城市规划和大规模地理测绘等应用至关重要。现有方法面临着一个基本的权衡：基于优化的方法实现了很高的准确性，但需要数小时的每个场景计算，而可泛化的几何基础模型提供近乎即时的推理，但由于有理多项式相机（RPC）模型引入的域间隙和不匹配的深度尺度分布而无法泛化到卫星图像。我们提出了 Sat3R，这是一个前馈框架，它通过使用尺度不变对数 (SiLog) 损失的 Depth Anything V2 的 RPC 感知度量深度 微调 来弥补这一差距。通过从 RPC 几何构造物理一致的伪深度监督，Sat3R 将单目深度基础模型适应卫星域，而无需按场景优化。 DFC2019 基准测试表明，与零样本前馈基线相比，Sat3R 将 MAE 降低了 38%，并实现了与基于优化的方法相比具有竞争力的精度，同时提供超过 300 倍的加速。 Sat3R 证明，前馈模型在适当适应卫星领域时，可以以一小部分计算成本匹配基于优化的精度，为实际的大规模卫星 DSM 重建铺平道路。