核心发现
方法论
该方法通过在ViT主干中引入可学习的偏移参数，将深度输出从尺度和偏移不变转变为尺度不变，从而直接生成符合空间连续性的点云。结合圆形填充技术，消除全景图边界缝隙，确保深度图的球面连续性。训练采用合成数据集，利用尺度不变损失进行监督，显著提升模型在室内外场景的零样本泛化能力。
关键结果
- 在室内基准数据集Matterport3D和Stanford2D3D上，深度误差分别降低超过50%和10%，显著优于基础模型。外景数据集Metropolis上，误差降低约30%，达到了新状态。相较于PanDA，整体误差提升约30%，展现出更优的零样本泛化能力。模型在多场景下均表现出良好的空间连续性和无缝边界效果，验证了尺度偏移学习和圆形填充的有效性。
- 在户外场景中，模型成功生成符合地理连续性的点云，支持自主导航和虚拟现实应用。
- 消融实验表明，偏移参数学习和圆形填充对模型性能提升至关重要，尤其在复杂环境中表现更优。
研究意义
该研究突破了全景深度估计中尺度不变的难题，填补了开源户外全景深度数据缺乏的空白，为机器人、AR/VR等领域提供了高效、可靠的深度感知方案。通过迁移学习实现零样本泛化，极大降低了模型部署成本，推动全景理解技术的实际应用落地。模型的尺度不变特性使其在不同场景、不同距离范围内都能保持一致的估计效果，为三维重建和空间感知提供了坚实基础。
技术贡献
本研究创新性地在Transformer架构中引入可学习的偏移参数，结合圆形填充技术，显著提升全景深度估计的空间连续性和尺度鲁棒性。提出的尺度不变损失机制，有效减少深度估计中的尺度模糊问题，实现点云的直接生成。模型在合成和真实场景中均展现出优异的零样本泛化能力，突破了以往依赖大量标注数据的限制，为全景深度估计提供了新思路。
新颖性
首次在全景深度估计中引入可学习偏移参数，实现尺度不变估计，结合圆形填充确保空间连续性。这一创新突破了传统模型在边界缝隙和尺度变化中的局限，显著提升了零样本泛化能力。与现有方法如PanDA和DreamCube相比，本模型在外景场景中的表现更为优越，推动了全景深度估计的技术边界。
局限性
- 模型在极端复杂环境或极远距离场景中仍存在误差较大问题，主要由于合成训练数据与真实场景的差异。
- 训练过程依赖大量合成数据，可能导致对某些特定场景的适应性不足。
- 模型推理速度受Transformer结构影响，实时应用仍需优化。
未来方向
未来将结合多模态信息（如LiDAR、语义信息）进一步提升深度估计精度，探索更高效的模型结构以实现实时应用。同时，扩展户外大规模数据集，增强模型在极端环境中的鲁棒性，推动全景深度技术的工业化落地。
AI 总览摘要
全景深度估计是实现360°环境空间理解的关键技术，广泛应用于机器人导航、虚拟现实等领域。现有方法多依赖大量标注数据，难以在开源环境中实现良好的零样本泛化。本文提出DA360，一种基于Transformer的尺度不变深度估计模型，通过在ViT中引入可学习偏移参数，有效将深度输出从尺度和偏移不变转变为纯尺度不变，从而直接生成符合空间连续性的点云。结合圆形填充技术，消除了全景图边界缝隙，确保深度图的球面连续性。模型在合成训练数据基础上，经过在室内外多个数据集的验证，展现出优异的性能：在室内基准数据集上误差降低超过50%，在户外场景中误差降低约30%，超越了现有的零样本方法如PanDA和DreamCube。通过引入新颖的尺度偏移学习和空间连续性保障机制，DA360实现了在复杂环境中的高精度、强泛化能力，为自主导航、虚拟现实等应用提供了坚实基础。未来，模型将结合多模态信息，优化推理速度，扩展数据集，推动全景深度技术的工业应用。整体而言，本文在尺度鲁棒性和空间连续性方面取得了突破，极大促进了全景空间理解技术的发展。
深度分析
研究背景
全景深度估计作为空间理解的重要方向，经历了从传统几何方法到深度学习的演变。早期研究如OmniDepth探索全景几何特性，后续引入多视角融合和畸变抵抗架构（如PanoFormer、Elite360D），提升了模型的适应性。然而，受限于数据稀缺和模型泛化能力，现有方法在开源环境表现有限。近年来，基于Transformer的深度模型（如DPT、MiDaS）在单视角深度估计中取得突破，但在全景场景中的尺度不变性和连续性仍是难点。大型预训练模型如Depth Anything、Marigold通过迁移学习实现零样本泛化，但在全景应用中仍面临尺度模糊和边界缝隙问题。缺乏户外大规模标注数据，限制了模型的实际应用推广。
核心问题
核心问题在于全景深度估计中的尺度不变性和空间连续性难以兼顾。现有模型多输出尺度和偏移不确定的深度或视差，导致点云结构不完整或边界缝隙明显，影响实际应用效果。尤其在开源环境中，缺乏统一的尺度不变监督机制，限制了模型的泛化能力。如何在保证空间连续性的同时实现尺度不变的深度估计，是当前技术的瓶颈。
核心创新
本研究提出三项核心创新：1）引入可学习的偏移参数，将深度从尺度和偏移不变转变为纯尺度不变，增强点云的结构完整性；2）结合Transformer中的全局特征，利用类Token回归偏移参数，提升尺度鲁棒性；3）在DPT解码器中引入圆形填充技术，确保全景图边界的空间连续性。这些创新有效解决了边界缝隙和尺度模糊问题，显著提升模型在开源场景中的表现。
通俗解读 非专业人士也能看懂
想象你在用一台全景相机拍摄一座城市的景色。传统方法就像用普通相机拍一张照片，虽然可以看到很多东西，但无法知道距离有多远，也不能把这些信息变成三维模型。而这项研究就像给相机装上了智能眼睛，能自动判断每个建筑物的距离，并且知道整个城市的空间布局。它还学会了在不同距离和角度下都能准确测量，不管是在室内还是户外。通过这项技术，我们可以用一张全景图直接生成城市的三维模型，帮助机器人导航、虚拟现实等应用变得更智能、更真实。
简单解释 像给14岁少年讲一样
想象你用一个超级厉害的全景相机拍摄你的房间。以前的技术就像用普通相机拍照，只能看到房间的一部分，不能知道每个家具离你有多远，也不能拼出整个房间的三维图。而这次的研究就像给相机装上了魔法，让它可以自动判断每个家具的距离，并且知道整个房间的空间布局。它还能在照片的边界处无缝拼接，不会出现缝隙或错位。这样，你只用一张全景照片，就能得到一个完整的房间三维模型，非常酷！未来，这项技术可以帮机器人更聪明地在房间里走动，或者让虚拟现实变得更真实。
术语表
Transformer（变换器）
一种基于自注意力机制的深度学习架构，擅长捕捉全局信息。在本文中用于提取全景图像的全局特征。
作为模型的主干网络，用于学习全景图像的全局表示。
尺度不变（Scale Invariance）
模型输出对输入深度的缩放不敏感，能在不同距离范围内保持一致的估计效果。
核心目标，确保深度估计在不同场景中具有鲁棒性。
圆形填充（Circular Padding）
一种边界处理技术，使全景图边缘像环一样连续，避免缝隙。
用于解码器中，确保空间连续性。
偏移参数（Shift Parameter）
可学习的参数，用于将深度视差从尺度和偏移不变转变为纯尺度不变。
通过ViT中的类Token回归实现。
点云（Point Cloud）
由大量空间点组成的三维空间表示，用于场景重建。
模型输出的深度信息可直接转化为点云。
开放问题 这项研究留下的未解疑问
- 1 如何进一步提升模型在极端复杂环境中的鲁棒性，尤其是在极远距离或极端光照条件下的表现。
- 2 缺乏多模态融合机制，结合LiDAR或语义信息以增强深度估计的准确性仍是未来方向。
原文摘要
Panoramic depth estimation provides a comprehensive solution for capturing complete $360^\circ$ environmental structural information, offering significant benefits for robotics and AR/VR applications. However, while extensively studied in indoor settings, its zero-shot generalization to open-world domains lags far behind perspective images, which benefit from abundant training data. This disparity makes transferring capabilities from the perspective domain an attractive solution. To bridge this gap, we present Depth Anything in $360^\circ$ (DA360), a panoramic-adapted version of Depth Anything V2. Our key innovation involves learning a shift parameter from the ViT backbone, transforming the model's scale- and shift-invariant output into a scale-invariant estimate that directly yields well-formed 3D point clouds. This is complemented by integrating circular padding into the DPT decoder to eliminate seam artifacts, ensuring spatially coherent depth maps that respect spherical continuity. Evaluated on standard indoor benchmarks and our newly curated outdoor dataset, Metropolis, DA360 shows substantial gains over its base model, achieving over 50\% and 10\% relative depth error reduction on indoor and outdoor benchmarks, respectively. Furthermore, DA360 significantly outperforms robust panoramic depth estimation methods, achieving about 30\% relative error improvement compared to PanDA across all three test datasets and establishing new state-of-the-art performance for zero-shot panoramic depth estimation.