在單目深度估計中，浙大最新直面分辨率越來越高已經(jīng)是彭思一個很常見的趨勢。很多方法可以輸出 ? 2K ? 甚至 ? 4K ? 的達(dá)團(tuán)隊×的細(xì)深度結(jié)果，看起來也確實(shí)比低分辨率更細(xì)致。理想

但在實(shí)際使用中，研究這類高分辨率深度并不總是高分好用。尤其是辨率在三維重建、新視角合成等對幾何一致性要求較高的深度失任務(wù)中，物體邊緣容易發(fā)虛，節(jié)缺細(xì)小結(jié)構(gòu)經(jīng)常對不齊，浙大最新直面結(jié)果并沒有隨著分辨率提升而明顯改善。彭思類似的達(dá)團(tuán)隊×的細(xì)問題在自動駕駛和機(jī)器人導(dǎo)航場景中同樣存在，幾何誤差會影響障礙物邊界判斷和可通行區(qū)域估計，理想從而增加后續(xù)規(guī)劃與決策的研究不確定性。

一個很重要的高分原因在于，現(xiàn)有方法大多仍在固定分辨率下預(yù)測深度，再通過插值將結(jié)果放大到更高分辨率。這樣做雖然能夠得到更大的輸出尺寸，但在細(xì)節(jié)區(qū)域，本質(zhì)上只是放大了原有的預(yù)測誤差。

而對于依賴深度信息進(jìn)行環(huán)境建模的自動駕駛系統(tǒng)而言，這種誤差不僅影響局部幾何質(zhì)量，還會進(jìn)一步影響路徑規(guī)劃和決策的穩(wěn)定性。久而久之，人們開始意識到，高分辨率深度面臨的瓶頸，可能并不只是模型不夠復(fù)雜，而是預(yù)測深度的方式本身存在局限。

基于這樣的觀察，浙江大學(xué)彭思達(dá)團(tuán)隊聯(lián)合理想研究團(tuán)隊，提出了論文《InfiniDepth: Arbitrary-Resolution and Fine-Grained Depth Estimation with Neural Implicit Fields》。這項(xiàng)工作并未急于在既有框架上追求更高指標(biāo)，而是從深度的表示方式本身出發(fā)，重新思考高分辨率條件下深度應(yīng)如何被建模和使用。

圍繞這一思路，研究團(tuán)隊設(shè)計了一系列覆蓋合成數(shù)據(jù)、真實(shí)數(shù)據(jù)以及三維下游任務(wù)的實(shí)驗(yàn)，將這種表示方式放到不同場景中加以檢驗(yàn)，從而更細(xì)致地觀察其在細(xì)節(jié)區(qū)域和復(fù)雜幾何結(jié)構(gòu)中的實(shí)際表現(xiàn)。