An active-learning framework for real-time depth perception from monocular vision streams
作者: Xiaorong Zeng, Weiqiang Chen, Peng Shi, Liang Su, Zirui Wang, Xuewu Ji, Shuiwen Shen
分类: cs.CV
发布日期: 2026-08-05
💡 一句话要点
提出在线主动学习框架以解决单目视觉深度感知问题
🎯 匹配领域: 支柱三：空间感知与语义 (Perception & Semantics)
关键词: 主动学习 深度感知 单目视觉 弹性权重巩固 动态环境 计算效率 神经网络 MobileNetV3
📋 核心要点
- 现有的人工感知模型通常在静态环境中训练，部署后无法适应动态变化，导致性能下降。
- 本文提出在线主动学习机制，通过闭环学习范式，使紧凑型神经网络在运行中持续适应新环境。
- 实验结果表明，模型的适应性不仅取决于模型大小，更在于如何有效调节参数的可塑性。
📝 摘要（中文）
生物视觉系统能够从单目视觉流中感知深度，持续整合时间视觉线索，同时在动态环境中保持稳定性与可塑性之间的平衡。相比之下，部署在资源受限边缘设备上的人工感知模型通常以静态离线方式训练，部署后保持不变，常在领域转移下表现严重下降。为解决这一问题，本文提出了一种在线主动学习机制，使紧凑型神经网络在运行过程中具备持续适应能力。通过建立闭环的预测-评估-修正学习范式，主动选择高置信度、信息丰富的信号。关键在于采用弹性权重巩固（EWC）技术，不仅防止灾难性遗忘，还强制选择性可塑性，保留全球相关的结构知识参数，同时允许局部对新观察环境进行调整。基于MobileNetV3-Small骨干网，系统在保持竞争性深度估计精度的同时，实现了约75%的计算成本降低。
🔬 方法详解
问题定义：本文旨在解决现有人工感知模型在动态环境中适应能力不足的问题。传统模型在训练后无法调整，导致在领域转移时性能显著下降。
核心思路：论文提出了一种在线主动学习机制，使得紧凑型神经网络能够在运行过程中持续适应新环境。通过选择高置信度的信息信号，模型能够动态调整其参数。
技术框架：整体架构包括数据流输入、预测、评估和修正四个主要模块。模型首先从视觉流中提取信息，然后进行预测，接着评估预测的准确性，最后根据评估结果修正模型参数。
关键创新：最重要的技术创新在于结合了弹性权重巩固（EWC）技术，不仅防止了灾难性遗忘，还实现了选择性可塑性，允许模型在保留重要知识的同时适应新环境。
关键设计：在网络结构上，采用MobileNetV3-Small作为骨干网，设计了适应性损失函数以平衡稳定性与可塑性，同时通过动态选择信息信号来优化学习过程。该设计使得计算成本降低约75%。
🖼️ 关键图片
📊 实验亮点
实验结果显示，所提出的系统在深度估计精度上与现有方法相当，同时计算成本降低约75%。这一显著的性能提升表明，模型的适应性与参数可塑性调节的有效性密切相关。
🎯 应用场景
该研究的潜在应用领域包括自动驾驶、机器人导航和增强现实等场景。在这些动态环境中，系统能够实时适应变化，提高深度感知的准确性和效率，具有重要的实际价值和未来影响。
📄 摘要（原文）
Biological visual systems can perceive depth from monocular vision flow, continuously integrating temporal visual cues while maintaining a balance between stability and plasticity in dynamic environments. In contrast, artificial perception models deployed on resource-constrained edge devices are typically trained in a static offline manner and remain frozen after deployment, often suffering severe performance degradation under domain shifts. While large-scale models may encode broad knowledge through massive parameter redundancy, lightweight networks face a static optimization dilemma: forcing compact models to learn universal geometric representations is computationally inefficient and often leads to performance saturation. To resolve this issue, an Online Active Learning (OAL) mechanism is introduced to endow compact neural networks with the capability to adapt continuously during operation. A closed-loop Predict-Evaluate-Correct learning paradigm is established to actively select high-confidence, information-rich signals from streaming visual input. Crucially, Elastic Weight Consolidation (EWC) is employed not merely to prevent catastrophic forgetting, but to enforce Selective Plasticity, preserving parameters that encode globally relevant structural knowledge while allowing local alignment to newly observed environments. Built upon a MobileNetV3-Small backbone, the proposed system achieves approximately a 75% reduction in computational cost while maintaining competitive depth estimation accuracy. Experimental results demonstrate that adaptability is not solely determined by model size, but rather by how effectively parameter plasticity is regulated in dynamic environments.