来源：遥感与深度学习

原文链接：https://mp\.weixin\.qq\.com/s/UIC2vgnAd\_8oNHb4nyEvlA

题目：AerialMetric: Benchmarking and Adapting UAV Monocular Metric Depth Estimation in the Real World

会议：ECCV 2026

论文：https://arxiv\.org/abs/2606\.29716

项目：https://kuieless\.github\.io/AerialMetric\-ECCV2026\-page/

代码：https://github\.com/kuieless/AerialMetric\-ECCV2026

数据与权重：https://huggingface\.co/datasets/Kuiee/AerialMetric\-ECCV2026

单位：中山大学深圳校区、深圳市未来智联网络研究院、香港中文大学理工学院（深圳）、电子科技大学深圳高等研究院

作者：Zhongqiang Song、Guanying Chen、Yuqi Zhang、Yin Zou、Chuanyu Fu、Zhiyuan Yuan、Chuan Huang、Shuguang Cui、Xiaochun Cao

ECCV2026遥感方向合集：ECCV2026

创新点

1、构建AerialMetric航拍单目度量深度数据集与评测基准包含52K真实图像—深度对和16K合成图像—深度对，覆盖真实航拍、受控采集、合成场景和互联网无人机视频。

2、设计Decoupled子集，解耦分析高度、俯仰角和FOV的影响。

3、建立面向多种数据来源的可靠度量深度生成流程。

4、提出MoGe2-Aerial，显著提升航拍场景下的度量深度估计性能，同时能保持地面场景泛化能力。

背景

单目度量深度估计需要从一张RGB图像中恢复真实米制距离。现有模型主要在室内、街景和车载数据上训练，直接用于无人机图像时仍面临三个问题：

域差异：飞行高度、俯仰角、FOV和场景尺度变化明显，模型容易产生尺度偏差。

数据不足：现有航拍数据多用于检测或分割，缺少规模充足、几何可靠的度量深度真值。

评测受限：高度、俯仰角和FOV通常相互耦合，也缺少开放世界航拍场景的统一测试。

本文思路：构建四个互补子集，系统评测UAV成像变量，并通过参数高效微调完成模型适配

数据

AerialMetric包含约52K对真实RGB-Depth数据和16K对合成RGB-Depth数据，由四个功能互补的子集组成。

Oblique：25个真实倾斜摄影场景、约47K对数据，用于大规模真实航拍训练与评测。

Decoupled：4个受控场景、约4.6K对数据，正交组合4种俯仰角、2种高度和2种FOV。

Synthetic：7个合成场景、约16K对数据，补充真实采集难以覆盖的视角和场景。

Wild：100个互联网无人机视频场景、约1.1K对数据，仅用于开放世界泛化评测。

方法

数据集构建管线

AerialMetric针对不同数据来源设计了不同的深度构建流程，这套设计在几何可靠性与场景覆盖之间做了取舍：可控数据提供精确监督，开放世界视频则用于检验真实泛化。

真实航拍数据：对于带LiDAR的数据，通过点云与相机几何进行深度投影；对于只有RGB与GPS/位姿信息的数据，则通过多视图重建得到三维网格，再将网格渲染为像素对齐的metric depth。

合成数据：Unreal Engine管线可以直接读取渲染深度；Google Earth Studio数据则通过多视图重建与深度投影获得对应监督。

互联网视频：先恢复相机位姿与尺度无关的三维结构，再利用可识别地标的真实尺寸估计全局尺度，将相对深度转换为pseudo-metric depth。Wild子集只用于评测，不参与训练。**

**

模型适配：以MoGe2为基础进行LoRA微调，并混合真实航拍、合成和少量地面数据，得到MoGe2-Aerial。

结果与分析

实验表明，地面预训练模型直接用于航拍图像时难以恢复准确的真实尺度。MoGe2-Aerial在真实航拍、受控采集和Wild场景中明显提升，同时基本保持原有的地面性能。

以下结果中，AbsRel越低越好，δ1越高越好。

1. 航拍测试集

2.地面测试集

3. 互联网In-The-Wild测试集

4. 微调策略消融

5. 可视化分析

 

原文链接: https://www.leiphone.com/category/private/g35Qpojt7q1pKwOV.html