연구논문 · 2026

FlexDepth: 강건한 주행 인지를 위한 유연한 스케일 기반 자기지도 단안 깊이 추정

Towards Robust Driving Perception: A Flexible Scale-Driven Family for Self-Supervised Monocular Depth Estimation

Zhaowen Zhu, Li Zhang, Yujie Chen, Tian Zhang, Yingjie Wang, Mingxia Zhan · Springer Nature Switzerland · English

자료 개요

정적 배경과 동적 도로 객체의 학습을 분리하고 스케일에 맞춰 디코더를 선택하는 FlexDepth를 제안합니다. 주행 데이터셋과 모바일 실행 평가에서 깊이 추정의 강건성·효율성을 분석합니다.

arXiv의 저자 기재 정보입니다.

Computer Vision - ECCV 2026, Lecture Notes in Computer Science, vol. 17003, Springer, Cham, 2026

Accepted by ECCV2026. Code is available at https://github.com/startnew/flexdepth

판본: arXiv v3 — manuscript revision