6M 参数单目深度模型 DepthART：ACMMM 2026 收录，224² 输入 0.918ms
机器之心 · wechat · 2026-10-03
DepthART（Depth Anything Rethought for Tiny Models） 已被 ACM Multimedia 2026 接收，研究把基础单目深度估计能力压到约 6M 参数级别，同时保留跨场景泛化与端侧部署能力。
两个核心问题与解法
- 小模型先暴露的是数据问题：多源训练数据分布不均，6M 级模型容量有限，高频数据会挤占表示能力导致「学偏」。为此提出抗偏置数据采样（BRDS）：从约 4400 万张多源候选图像出发，按视觉特征空间密度降低高密度重复样本采样概率、保留稀疏区域，得到约 170 万张更均衡数据；再用 DepthAnything V2-L 生成伪深度监督，把相对深度先验蒸馏进 TinyViM+DPT 小模型。
- 度量深度微调易「遗忘」：小模型在 NYUD/KITTI 全量微调会覆盖通用几何表示。提出相机条件化微调（CamFT）：冻结蒸馏后的编码器，用轻量相机适配模块引入内参，配合多查询尺度估计头恢复真实尺度——先保护几何，再学尺度。
性能与部署
- 提供 S/B/L 三档：6.0M / 11.4M / 32.6M 参数。DepthART-S 在 NYUDv2 零样本相对深度 δ1=0.964，DepthART-L 在 ETH3D δ1=0.958；DepthAnything V2-S 约 24.8M 参数，DepthART-S 仅其约四分之一。
- strict FP32 下 DepthART-S 在 RTX A6000、224² 输入约 347 FPS；TensorRT FP16 版 224 输入 model-only 延迟降至 0.918ms。提供 PyTorch、ONNX、TensorRT 及 Jetson Orin NX 部署路径。
后续扩展
- 2026 年 9 月新增 MobileNetV4-S/M 及 MobileNetV4-M-slim-SPF（裁剪编码器 + 更轻的 Single-Path Pyramid Fusion 替代 DPT 解码器）：slim-SPF 约 6.05M 参数、3.78 GMAC，NYUD δ1 仅从 0.953 降至 0.952，KITTI 从 0.931 降至 0.928，算量减半而性能基本保留；且仅依赖标准 ONNX 算子，便于移植到早期 BPU/NPU。
- 作者指出轻量深度估计正成为独立方向：ZipDepth（7/9）、DepthART（7/19）与 Ultralytics YOLO26-Depth（7/22）几乎同期出现，竞争从「把基础模型做大」转向「把基础能力带到设备上」。
论文与代码、权重均已开源。
「具身」频道最新
- Model Y 车主高速突发胸痛，儿子远程改目的地由 FSD 送医 — XFreeze · 2026-10-04
- 人形机器人：一周 168 小时供应 8700 工时，远超人类 2000 小时 — elonmusk · 2026-10-04
- 开发者设计能捕捉全身动作的智能服装，运动数据可直接采集 — Scobleizer · 2026-10-04
- Shift Robotics 推出 Moonwalkers Dusk 电动鞋：10 步学会你的步态,售价 1199 美元 — Scobleizer · 2026-10-04
- Anthropic 测算：机器人仅 0.3% 美国工时具成本竞争力 — VraserX · 2026-10-04
- Steam Frame 上手评测出炉:亮点不少但也有明显槽点 — smtabatabaie · 2026-10-04