Semi-SD: 基于环视摄像头的半监督度量深度估计用于自动驾驶

arXiv 25.3 2025 49.7 method

TLDR

Semi-SMD提出利用环视摄像头和时空语义融合的半监督度量深度估计框架，在DDAD和nuScenes上达到最先进性能。

评分理由

The paper introduces a novel fusion module and pose estimation method to address scale ambiguity in multi-camera setups, with strong empirical results. However, the integration of world models is used only as supervision and not as a core contribution, limiting novelty in that aspect.

Read-first 评分解释

综合优先阅读分 49.7，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。原始总分保留为 2。

近期性 8%

86.7

使用温和的时间衰减，让近期论文更容易浮现，同时保留较早基础工作的价值。年份：2025

可复现性 25%

检查链接和可见文本中的论文、代码、数据集、工件与仓库信号。论文：有；代码：有；数据：无；命中信号：代码、数据集、GitHub

方法质量 25%

检查可见的摘要与分析字段，寻找实验、数据集、基线、指标和局限性等方法证据。命中信号：数据集、评估、指标、结果

主题相关性 42%

2.9

使用现有 LLM 关键词相关性评分，并归一化到 0-100。关键词：world model、world simulator、generative world model、interactive world model、video world model、world dynamics prediction、model-based reinforcement learning world model

研究版图角色

前沿论文方法锚点复现锚点

排序敏感性

稳定性：volatile；排名波动范围：762。

关键词评分

world model

world simulator

generative world model

interactive world model

video world model

world dynamics prediction

model-based reinforcement learning world model

深度分析

创新点

统一的时空语义融合模块，用于构建视觉融合特征
环视摄像头和相邻帧的交叉注意力组件，用于度量尺度细化和时间特征匹配
使用环视摄像头、估计深度和外参的位姿估计框架，解决多摄像头设置中的尺度模糊问题
集成语义世界模型和单目深度估计世界模型以监督深度估计

方法

该框架以相邻环视帧和相机参数为输入。使用统一的时空语义融合模块和交叉注意力来细化度量尺度并匹配时间特征，以及一个利用环视摄像头、估计深度和外参的位姿估计框架来解决尺度模糊问题。语义和单目深度世界模型提供监督。在DDAD和nuScenes数据集上进行评估。

关键结果

该方法在DDAD和nuScenes数据集上的基于环视摄像头的深度估计质量方面达到了最先进的性能。

资源

论文代码