2025年10月27日至31日，第33届国际多媒体成人色情 会议（ACM International Conference on Multimedia，简称ACM MM）在爱尔兰都柏林举行。成人色情 智能科学与技术系孙琨老师指导的硕士成人色情 刘昱同学参加本次会议并口头宣读了他的论文《TPDepth: Leveraging Text Prompts with ControlNet to Boost Diffusion-based Depth Estimation》。

图1：刘昱同学在ACM MM大会上口头宣读论文。

该论文提出了一种基于文本提示和扩散模型的单目深度估计方法TPDepth。TPDepth通过融入文本语义来提升单目的深度估计效果。然而，直接将文本注入扩散 U-Net 容易使网络过度关注局部语义线索，从而削弱全局结构建模能力。为此，TPDepth 通过独立的 ControlNet 分支处理文本特征，经自适应控制尺度模块（ACSM）调制后，通过跳跃连接注入到扩散 U-Net 的解码器中，使语义信息在不扰动空间推理流程的情况下与视觉特征融合。TPDepth 在仅使用约6.1 万张训练图像的条件下，在多个公开数据集上取得了当前最优的结果。

图2：TPDepth方法的流程图。

图3：TPDepth进行单目图像深度估计的结果。

ACM MM的主要内容是人工智能与多媒体技术，是ACM一年一度的成人色情 性会议，也是我国计算机学会（CCF）推荐的A类国际成人色情 会议。ACM MM2025共收到论文有效投稿4672篇，收录1251篇，接收率为 26.6%。刘昱同学参会后表示：论文被国际顶会录用，既是莫大荣幸，也是对自己和导师无数个日夜努力付出的最好回报和鼓励。期待未来能继续做出更好成果，有更多机会参加此类顶级会议，与同行分享与交流，不断汲取知识与经验。

论文信息：Yu Liu, Kun Sun*, Chang Tang, Yuhua Qian, and Xin Li. 2025. TPDepth: Leveraging Text Prompts with ControlNet to Boost Diffusion-based Depth Estimation. In Proceedings of the 33rd ACM International Conference on Multimedia (MM '25). 4290–4299. //doi.org/10.1145/3746027.3755384

通讯员：李显巨

审核：李国昌

校对：卢笙