InfiniDepth: Beliebige Auflösung und feinkörnige Tiefenschätzung mit neuronalen impliziten Feldern
InfiniDepth: Arbitrary-Resolution and Fine-Grained Depth Estimation with Neural Implicit Fields
January 6, 2026
papers.authors: Hao Yu, Haotong Lin, Jiawei Wang, Jiaxin Li, Yida Wang, Xueyang Zhang, Yue Wang, Xiaowei Zhou, Ruizhen Hu, Sida Peng
cs.AI
papers.abstract
Bestehende Methoden zur Tiefenschätzung sind grundsätzlich darauf beschränkt, Tiefenwerte auf diskreten Bildgittern vorherzusagen. Solche Repräsentationen schränken ihre Skalierbarkeit auf beliebige Ausgabauflösungen ein und behindern die Wiederherstellung geometrischer Details. Dieses Papier stellt InfiniDepth vor, das Tiefe als neuronale implizite Felder repräsentiert. Durch einen einfachen, aber effektiven lokalen impliziten Decoder können wir Tiefenwerte an kontinuierlichen 2D-Koordinaten abfragen, was eine beliebig hochauflösende und feingranulare Tiefenschätzung ermöglicht. Um die Fähigkeiten unserer Methode besser bewerten zu können, haben wir einen hochwertigen 4K-Synthese-Benchmark aus fünf verschiedenen Spielen zusammengestellt, der vielfältige Szenen mit reichhaltigen geometrischen und Erscheinungsdetails abdeckt. Umfangreiche Experimente zeigen, dass InfiniDepth bei synthetischen und realen Benchmarks in relativen und metrischen Tiefenschätzungsaufgaben state-of-the-art Leistungen erzielt, wobei es sich besonders in Regionen mit feinen Details auszeichnet. Die Methode kommt auch der Aufgabe der Synthese neuartiger Ansichten bei großen Blickwinkelverschiebungen zugute, indem sie hochwertige Ergebnisse mit weniger Lücken und Artefakten erzeugt.
English
Existing depth estimation methods are fundamentally limited to predicting depth on discrete image grids. Such representations restrict their scalability to arbitrary output resolutions and hinder the geometric detail recovery. This paper introduces InfiniDepth, which represents depth as neural implicit fields. Through a simple yet effective local implicit decoder, we can query depth at continuous 2D coordinates, enabling arbitrary-resolution and fine-grained depth estimation. To better assess our method's capabilities, we curate a high-quality 4K synthetic benchmark from five different games, spanning diverse scenes with rich geometric and appearance details. Extensive experiments demonstrate that InfiniDepth achieves state-of-the-art performance on both synthetic and real-world benchmarks across relative and metric depth estimation tasks, particularly excelling in fine-detail regions. It also benefits the task of novel view synthesis under large viewpoint shifts, producing high-quality results with fewer holes and artifacts.