2026年1月6日浙大 & 理想 发布InfiniDepth: Arbitrary-Resolution and Fine-Grained Depth Estimation with Neural Implicit Fields 这篇论文实质是在讲 用全新连续性思路，更少的计算成本，得到显著更好的深度估计效果，尤其是预测细粒度几何细节方面。 深度估计可以理解成看到一张实拍图，去推算这张图里一切实体表面的三维结构。深度估计得越准，车就能越好地感知周围环境，也能更好的重建和生 成世界模型 。 InfiniDepth 本质是提供了极高精度的几何结构，在单目RGB下提供相对深度；在配合激光雷达或稀疏深度输入时，能生成超高分辨率的精准绝对深度。 目前主流深度估计方法，通常把深度图看作一个普通的二维图像（网格）。放得越大，看着就越模糊，越像马赛克，细节全丢了，且输出分辨率通常被 限制在训练时的尺寸 。 InfiniDepth基于神经隐式场(Neural Implicit Fields)。不再把深度看作一张由死板像素组成的画，而是看作一个连续的数学函数。可以询问这个函数图像上 任意位置(哪怕是两个像素之间)的深度值，都能给 ...