来自整流立体的几何 蒸馏：利用极线线索实现单眼深度

单目深度基础模型在不同环境中表现出了卓越的泛化能力。然而，他们仍然在不同环境中的度量深度估计方面遇到困难。这种限制源于单视图推理固有的尺度模糊性，即使相对几何形状准确，也会导致尺度预测错位。相反，最近的多视图基础模型利用跨视图线索来学习强大的场景级几何形状和一致的比例。然而，这些好处通常在单图像推理过程中消失，因为缺乏明确的几何约束会导致性能下降。为了弥补这一差距，我们提出了一种新颖的框架，将多视图模型的尺度感知几何先验转移到单目深度基础模型中。具体来说，我们引入了 Epipolar 蒸馏 (EpiDistill)，这是一种利用整流立体词元的方法，它使单视图预测模型能够保留极点注意力模式并保持几何一致性，而无需在推理时使用多视图输入。实验结果表明，我们的方法显着改进了零样本度量深度估计，特别是在 ETH3D 和 DIODE 等具有挑战性的数据集上，其中尺度对齐至关重要。此外，我们的方法与模型无关，持续提升基于 ViT 的最先进模型（包括 UniDepthV2 和 DepthPro）的性能。