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。
所属事件:Marigold V2 发布：单步推理刷新深度估计 SOTA(2 条相关)→
「多模态」频道最新
- 博主把 Mage 的 MCP 接入 Claude，一句话直出叙事组图 — AIandDesign · 2026-10-31
- 凌晨 3 点她停下刷屏，整座小镇用歌声回应她 — ownubie · 2026-10-31
- 手机扫描整栋房子即可网页端实景漫游，成本仅约200美元 — jonstephens85 · 2026-10-31
- AI 生图演示：首图经微调让箭「飞起来」 — charis_ai · 2026-10-31
- NVIDIA 开源 9.6M 参数语音降噪模型，可去背景噪声与回声 — NVIDIAAI · 2026-10-31
- AI 生成《恐龙危机》1999 年电影版假想预告,复古质感以假乱真 — noizlab_studio · 2026-10-31