arXiv 2026年10月6日EagleDepth把深度适配的潜空间扩散与像素空间生成结合：先用配对RGB-深度数据微调FLUX.2-klein-4B，在约512像素的低分辨率RGB上预测粗略深度潜码，再冻结该分支并微调预训练像素扩散解码器PiD，以原始高分辨率RGB为输入状态、以粗略深度潜码为条件，单步直接生成目标分辨率深度图，从而绕开VAE解码器；在五个常用深度数据集与Synth4K上取得有竞争力的整体精度，并在Synth4K全部五个子集的高频掩码指标与边界F1上领先，同时在4K推理中为所评估方法中最快。EagleDepth把深度适配的潜空间扩散与像素空间生成结合：先用配对RGB-深度数据微调FLUX.2-klein-4B，在约512像素的低分辨率RGB上预测粗略深度潜码，再冻结该分支并微调预训练像素扩散解码器PiD，以原始高分辨率RGB为输入状态、以粗略深度潜码为条件，单步直接生成目标分辨率深度图，从而绕开VAE解码器；在五个常用深度数据集与Synth4K上取得有竞争力的整体精度，并在Synth4K全部五个子集的高频掩码指标与边界F1上领先，同时在4K推理中为所评估方法中最快。EagleDepth用像素扩散解码器在4K分辨率下实现更快更细的单目深度估计EagleDepth把深度适配的潜空间扩散与像素空间生成结合：先用配对RGB-深度数据微调FLUX.2-klein-4B，在约512像素的低分辨率RGB上预测粗略深度潜码，再冻结该分支并微调预训练像素扩散解码器PiD，以原始高分辨率RGB为输入状态、以粗略深度潜码为条件，单步直接生成目标分辨率深度图，从而绕开VAE解码器；在五个常用深度数据集与Synth4K上取得有竞争力的整体精度，并在Synth4K全部五个子集的高频掩码指标与边界F1上领先，同时在4K推理中为所评估方法中最快。EagleDepth把深度适配的潜空间扩散与像素空间生成结合：先用配对RGB-深度数据微调FLUX.2-klein-4B，在约512像素的低分辨率RGB上预测粗略深度潜码，再冻结该分支并微调预训练像素扩散解码器PiD，以原始高分辨率RGB为输入状态、以粗略深度潜码为条件，单步直接生成目标分辨率深度图，从而绕开VAE解码器；在五个常用深度数据集与Synth4K上取得有竞争力的整体精度，并在Synth4K全部五个子集的高频掩码指标与边界F1上领先，同时在4K推理中为所评估方法中最快。