RecodeX 重构消息，DepthART团队提出约6M参数的单目深度估计模型，针对大模型泛化强但部署难、传统轻量模型泛化不足的问题，通过抗偏置数据采样均衡多源训练数据分布，并利用蒸馏将深度先验导入小模型。该模型还采用相机条件化微调策略，在保护通用几何能力的同时低成本实现真实尺度恢复。其中DepthART-S参数量仅为Depth Anything V2-S的四分之一，推理速度大幅提升，支持多类部署路径，可部署至Jetson等端侧设备。团队后续新增基于MobileNetV4的版本，以标准算子替代自定义算子，降低算力与跨硬件移植门槛。相关成果已被ACM Multimedia 2026接收。