HSN：利用SPAD噪声的测试时门控注意力实现室内深度估计

论文提出面向室内场景的轻量级测试时门控注意力框架 HSN，将原生 SPAD 噪声视为隐含环境特征的信息先验，而非需要去噪的有害伪影。HSN 结合 1D SPAD 直方图与 Gate Adapters，经三个优化阶段在推理时生成通道级门控注意力向量动态调整编码器特征图，以较低计算开销解决尺度歧义与边界问题；实验显示其在真实室内基准上取得 SOTA 度量深度精度，零样本泛化表现更突出，代码将公开。