InfiniDepth: Stima della Profondità a Risoluzione Arbitraria e Grana Fina con Campi Impliciti Neurali

InfiniDepth: Arbitrary-Resolution and Fine-Grained Depth Estimation with Neural Implicit Fields

January 6, 2026

Autori: Hao Yu, Haotong Lin, Jiawei Wang, Jiaxin Li, Yida Wang, Xueyang Zhang, Yue Wang, Xiaowei Zhou, Ruizhen Hu, Sida Peng

cs.AI

Abstract

I metodi esistenti di stima della profondità sono fondamentalmente limitati alla predizione della profondità su griglie di immagine discrete. Tali rappresentazioni ne limitano la scalabilità a risoluzioni di output arbitrarie e ostacolano il recupero dei dettagli geometrici. Questo articolo introduce InfiniDepth, che rappresenta la profondità come campi impliciti neurali. Attraverso un decoder implicito locale semplice ma efficace, possiamo interrogare la profondità a coordinate 2D continue, consentendo una stima della profondità a risoluzione arbitraria e ad alto livello di dettaglio. Per valutare meglio le capacità del nostro metodo, abbiamo curato un benchmark sintetico di alta qualità in 4K ricavato da cinque diversi videogiochi, che abbraccia scene diverse con ricchi dettagli geometrici e di aspetto. Esperimenti estesi dimostrano che InfiniDepth raggiunge prestazioni all'avanguardia su benchmark sia sintetici che del mondo reale in compiti di stima della profondità relativa e metrica, eccellendo in particolare nelle regioni con dettagli fini. Il metodo apporta benefici anche al compito di sintesi di nuove viste sotto ampi spostamenti del punto di vista, producendo risultati di alta qualità con meno buchi e artefatti.

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.