InfiniDepth : Estimation de profondeur à résolution arbitraire et granulaire fine avec des champs implicites neuronaux

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

Les méthodes existantes d'estimation de profondeur sont fondamentalement limitées à la prédiction de la profondeur sur des grilles d'images discrètes. De telles représentations restreignent leur extensibilité à des résolutions de sortie arbitraires et entravent la récupération des détails géométriques. Cet article présente InfiniDepth, qui représente la profondeur sous forme de champs implicites neuronaux. Grâce à un décodeur implicite local simple mais efficace, nous pouvons interroger la profondeur à des coordonnées 2D continues, permettant une estimation de profondeur à résolution arbitraire et à grain fin. Pour mieux évaluer les capacités de notre méthode, nous constituons un benchmark synthétique 4K de haute qualité à partir de cinq jeux différents, couvrant des scènes variées avec de riches détails géométriques et d'apparence. Des expériences approfondies démontrent qu'InfiniDepth atteint des performances de pointe sur des benchmarks synthétiques et réels, pour les tâches d'estimation de profondeur relative et métrique, excellant particulièrement dans les régions à détails fins. Il bénéficie également à la tâche de synthèse de nouvelles vues sous de grands changements de point de vue, produisant des résultats de haute qualité avec moins de trous et d'artefacts.

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.