6M 参数 DepthART 轻量深度估计模型可部署至 Jetson 等端侧设备

DepthART 针对单目深度估计领域大模型泛化性强但部署难、传统轻量模型泛化性不足的断层问题，探索仅约 6M 参数的模型保留跨场景深度估计泛化能力的可行路径。该工作提出抗偏置数据采样方法均衡多源训练数据分布，避免小模型学偏，再通过蒸馏将深度先验导入小模型。设计相机条件化微调策略，保护小模型已习得的通用几何能力，低成本实现真实尺度恢复。其 6M 级的 DepthART-S 仅为 Depth Anything V2-S 参数量的四分之一，在保持高泛化精度的同时推理速度大幅提升，支持多类部署路径。后续还新增基于 MobileNetV4 的版本，用标准算子替代自定义算子，大幅降低算力与跨硬件移植门槛。目前 DepthART 已覆盖多类不同参数规模的模型，适配不同硬件约束，推动轻量级单目深度估计方向发展，相关成果已被 ACM Multimedia 2026 接收。