Мэриголд V2: Повторное посещение Трансформеров диффузии для оценки глубины монокулярной поверхности

arXiv: 26009,08084v1 Annualce Type: New Humber Abstract: Monocular Decision - это повсеместное, но крайне плохо зарекомендовавшее себя компьютерное зрение с приложениями вниз по течению в реконструкции сцены, вычислительной фотографии и робототехники. Несмотря на зрелость поля, последние модели все еще пытаются обобщить нераспределенные ресурсы и подготовить острые и подробные карты глубины. В этом документе мы возвращаем Мэриголд, набор методов для переосмысления современных моделей создания и редактирования изображений с использованием архитектуры диффузионного трансформатора (DIT) в современные оценки монокулярной глубины. Наши рецепты нацелены на одноэтапный вывод из заранее подготовленных многоступенчатых моделей сопоставления потоков с квантизацией, где это необходимо, при сохранении потенциала модели и в то же время остаются дешевыми для работы. Мы анализируем артефакты наивной подготовки и выявляем два эффективных средства: увязка внутренних представлений модели с семантическими характеристиками, извлекаемыми из лживости, и принятие двухэтапного тонкого тона.