InfiniDepth: Estimación de Profundidad de Resolución Arbitraria y Granularidad Fina con Campos Implícitos Neuronales
InfiniDepth: Arbitrary-Resolution and Fine-Grained Depth Estimation with Neural Implicit Fields
January 6, 2026
Autores: Hao Yu, Haotong Lin, Jiawei Wang, Jiaxin Li, Yida Wang, Xueyang Zhang, Yue Wang, Xiaowei Zhou, Ruizhen Hu, Sida Peng
cs.AI
Resumen
Los métodos existentes de estimación de profundidad están fundamentalmente limitados a predecir la profundidad en cuadrículas de imagen discretas. Dichas representaciones restringen su escalabilidad a resoluciones de salida arbitrarias y dificultan la recuperación de detalles geométricos. Este artículo presenta InfiniDepth, que representa la profundidad como campos implícitos neuronales. Mediante un decodificador implícito local simple pero efectivo, podemos consultar la profundidad en coordenadas 2D continuas, permitiendo una estimación de profundidad de resolución arbitraria y grano fino. Para evaluar mejor las capacidades de nuestro método, hemos creado un benchmark sintético de alta calidad en 4K a partir de cinco videojuegos diferentes, abarcando escenas diversas con ricos detalles geométricos y de apariencia. Experimentos exhaustivos demuestran que InfiniDepth logra un rendimiento de vanguardia en benchmarks sintéticos y del mundo real en tareas de estimación de profundidad relativa y métrica, destacando especialmente en regiones de detalle fino. También beneficia la tarea de síntesis de nuevas vistas bajo grandes cambios de perspectiva, produciendo resultados de alta calidad con menos huecos y artefactos.
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.