Marigold V2 发布：单步扩散 Transformer 刷新单目深度估计 SOTA
AntonObukhov1 · x · 2026-09-11
Marigold V2 论文（arXiv:2609.08084）发布，将扩散 Transformer（DiT）改造为单目深度估计器，在 Sintel 表面法线估计基准上创下新 SOTA。
核心技术点：
- 从预训练多步 flow-matching 模型做单步推理，必要时量化，保留模型容量且推理便宜
- 针对朴素训练的伪影给出两个补救：用 ground-truth 提取的语义特征对齐模型内部表示；采用围绕全新 Sinkhorn 损失设计的两阶段微调协议
- 深度图更锐利干净，分布外泛化强，KITTI 与 ETH3D 上 AbsRel 较此前最佳提升 16-26%
- 能分清此前模型搞不定的毛发、树叶与发丝级边缘
论文作者来自 EPFL、博洛尼亚大学等，代码与评测见 Papers with Code 页面。
「多模态」频道最新
- Synthesia 上线自定义 Avatar:文字提示即可生成虚拟主播 — synthesiaIO · 2026-09-11
- CapCut 桌面版上线 Seedance 2.5，单次生成 30 秒视频 — anthara_ai · 2026-09-11
- 紫光下梯子上的舞者：一段疑似AI生成的惊艳视频demo — misovalko · 2026-09-11
- 支持阿拉伯语的AI视频生成模型盘点与口型同步实操方案 — aziz4ai · 2026-09-11
- 用 Hermes Agent 装 YuE2 复刻 Minimax 歌曲,16GB 显存跑通 — wzwowzw0002 · 2026-09-11
- 用户抱怨 Imagine 2.5 出图变僵硬单调,色彩 bland 化 — Valuable-Butterfly65 · 2026-09-11