Atlantis

用扩散模型给水下图像补深度，无需真实标注也能测距

Atlantis 是 CVPR2024 Highlight 论文的官方开源实现，聚焦水下场景的单目深度估计。水下图像普遍存在颜色衰减、对比度低、悬浮颗粒遮挡等问题，导致在陆地数据上训练的深度模型直接迁移到水下时精度大幅下降。该项目利用 Stable Diffusion 的生成先验，通过可控的合成数据生成与域适应策略，让模型在缺乏真实水下深度标注的情况下也能获得可靠的深度预测。核心能力包括：基于扩散模型的水下图像合成与增强、面向深度估计的域对齐训练流程、以及在多个水下数据集上的评测脚本。项目以 Python 实现，提供预训练权重与推理代码，适合水下机器人、海洋工程与水下视觉研究者直接复现和二次开发。