UA-Depth：不确定性感知深度修复预印本

Rui Cao等作者提交预印本论文，提出不确定性感知深度修复框架UA-Depth：迭代联合优化深度与像素级不确定性，用不确定性门控特征抑制不可靠线索，并以冻结的深度基础模型作为先验初始化缺失或不可靠深度。作者构建覆盖多场景、多材质、多传感器的八数据集零样本基准，称UA-Depth在代表性基线中取得最佳平均排名，在透明与反光物体为主的数据集上提升尤为明显。 论文还称，利用预测的不确定性，在类别级6D位姿估计和6D抓取合成上取得下游改进。该论文处于审稿中，为预印本，未经同行评议；代码、模型及训练评估数据将在论文发表后发布。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。