基于双分支特征融合的轻量化自监督单目深度估计方法DFF-Mono

针对自监督单目深度估计中计算复杂度高、难以部署于移动平台的问题，研究人员提出DFF-Mono框架，集成双核膨胀卷积（DKDC）和注意力引导大核Inception（ALKI）模块，通过双分支特征融合（DFF）架构和频域优化策略，在降低23%参数量的同时提升深度估计精度，为资源受限场景提供高效解决方案。

　　

在自动驾驶、机器人和AR/VR等领域，精确的深度感知是环境理解的核心挑战。传统方法依赖昂贵的LiDAR或深度相机，而基于深度学习的单目深度估计技术虽能降低硬件依赖，却面临模型复杂度与计算效率的固有矛盾。现有方法如CNN编码器-解码器框架存在计算冗余，Transformer架构则因二次复杂度增长难以轻量化。尤其对于资源受限的移动平台，如何在保证精度的同时实现高效计算成为亟待突破的瓶颈。

针对这一难题，西北工业大学自动化学院的研究团队提出了一种创新性解决方案——DFF-Mono。该框架通过双核膨胀卷积（Dual-Kernel Dilated Convolution, DKDC）模块与双分支特征融合（Dual-branch Feature Fusion, DFF）架构的协同设计，结合注意力引导大核Inception（ALKI）模块和频域优化策略，在KITTI等标准数据集上实现了精度与效率的双重突破。相关成果发表在《Disease-a-Month》期刊。

研究团队主要采用三项关键技术：1）DKDC模块结合3×3膨胀核与逐点卷积，提升多尺度特征编码效率；2）ALKI模块通过多分支大核卷积实现局部-全局注意力引导的特征提取；3）自适应高斯低通滤波的频域优化策略，平衡光度损失中的高频像素梯度。这些方法均未引入额外参数，符合轻量化设计原则。

实验结果
在KITTI数据集上的测试表明，DFF-Mono的绝对相对误差（AbsRel）较现有最优方法降低12%，模型参数量减少23%。跨数据集验证（Make3D和DIML）显示其强泛化能力，特别是在纹理缺失区域的深度预测稳定性显著提升。

结论与意义
该研究首次将双分支特征融合架构与频域优化策略结合，为自监督单目深度估计提供了轻量化新范式。其核心创新点包括：1）DKDC模块通过互补感受野增强特征表征；2）DFF架构集成ALKI的局部特征提取与卷积加法变换器（CAT）的全局上下文建模；3）无参数的频域优化策略有效缓解高频噪声干扰。这些突破不仅推动了移动端三维感知技术的发展，也为边缘计算场景下的实时环境理解提供了可行路径。未来工作可进一步探索动态场景下的时序一致性增强机制。