Depthmaster

🚀 DepthMaster：驯服扩散模型用于单目深度估计

DepthMaster是一个经过优化的单步扩散模型，它能定制扩散模型中的生成特征，以适应判别式深度估计任务。通过引入特征对齐模块和傅里叶增强模块，该模型在零样本性能和细节保留能力上表现出色，超越了各种基于扩散的方法。

🚀 快速开始

本项目提供了用于单目深度估计的优化扩散模型。你可以通过以下链接获取更多信息：

• 论文链接
• 项目主页
• GitHub仓库

✨ 主要特性

• 定制生成特征：DepthMaster定制扩散模型中的生成特征，以适应判别式深度估计任务。
• 特征对齐模块：引入特征对齐模块，减轻对纹理的过拟合。
• 傅里叶增强模块：使用傅里叶增强模块，细化细粒度细节。
• 出色性能：在零样本性能和细节保留能力上表现出色，超越了各种基于扩散的方法。

📚 详细文档

我们提出了DepthMaster，这是一个经过优化的单步扩散模型，旨在增强深度估计模型的泛化能力和细节保留能力。通过特征对齐，我们有效地防止了对纹理细节的过拟合。通过自适应增强，我们能够细化细粒度的深度细节。DepthMaster在零样本性能和细节保留能力上表现出色，超越了各种基于扩散的方法。

🎓 引用

如果您使用了本项目的相关内容，请引用我们的论文：

@article{song2025depthmaster,
  title={DepthMaster: Taming Diffusion Models for Monocular Depth Estimation},
  author={Song, Ziyang and Wang, Zerong and Li, Bo and Zhang, Hao and Zhu, Ruijie and Liu, Li and Jiang, Peng-Tao and Zhang, Tianzhu},
  journal={arXiv preprint arXiv:2501.02576},
  year={2025}
}

致谢

本代码基于 Marigold 实现。

📄 许可证

本项目采用Apache License 2.0许可协议，详情请见 LICENSE。在下载和使用代码及模型时，即表示您同意遵守该许可协议的条款。