苏黎世联邦理工学院的研究人员在单目深度估计领域取得了突破性进展。他们巧妙地利用Stable Diffusion开源Marigold模型，通过微调其去噪U-Net模块，在无需真实深度图像训练数据的情况下，实现了高性能的深度估计。这项研究的创新之处在于，它利用合成数据训练模型，并结合仿射不变深度估计方法，有效地解决了相机内参不确定性带来的误差问题，提升了模型在未知场景下的泛化能力。
苏黎世联邦理工学院的研究人员通过魔改Stable Diffusion开源Marigold模型，实现了单目深度估计的创新。该模型在不需要实际深度图像训练数据的情况下，通过微调去噪U-Net模块取得了出色的性能。通过合成数据训练，Marigold能够学习到广泛的场景，提高在未见过数据集上的泛化能力。核心技术思路是利用Stable Diffusion的先验知识，采用仿射不变深度估计方法，消除相机内参不确定性引起的深度估计误差。
这项研究成果为单目深度估计技术提供了新的思路，其高效性和泛化能力有望在自动驾驶、机器人导航等领域得到广泛应用，未来发展值得期待。 该研究充分展现了Stable Diffusion模型的潜力，以及在解决实际问题中的应用价值。