論文の概要: CogStereo: Neural Stereo Matching with Implicit Spatial Cognition Embedding
- arxiv url: http://arxiv.org/abs/2510.22119v1
- Date: Sat, 25 Oct 2025 02:09:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-28 15:28:14.825681
- Title: CogStereo: Neural Stereo Matching with Implicit Spatial Cognition Embedding
- Title（参考訳）: CogStereo: 空間認知埋め込みによるニューラルステレオマッチング
- Abstract要約: CogStereoは、データセット固有の前提に頼らずに、挑戦的な領域に対処する新しいフレームワークである。
CogStereoは、単眼深度特徴を先行として使用することにより、暗黙の空間認識を洗練プロセスに組み込む。
CogStereoは、画素ワイド不確実性と認識誘導特徴を組み合わせた二重条件改善機構を用いて、ミスマッチの一貫したグローバルな補正を行う。
- 参考スコア（独自算出の注目度）: 5.663297699303346
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Deep stereo matching has advanced significantly on benchmark datasets through fine-tuning but falls short of the zero-shot generalization seen in foundation models in other vision tasks. We introduce CogStereo, a novel framework that addresses challenging regions, such as occlusions or weak textures, without relying on dataset-specific priors. CogStereo embeds implicit spatial cognition into the refinement process by using monocular depth features as priors, capturing holistic scene understanding beyond local correspondences. This approach ensures structurally coherent disparity estimation, even in areas where geometry alone is inadequate. CogStereo employs a dual-conditional refinement mechanism that combines pixel-wise uncertainty with cognition-guided features for consistent global correction of mismatches. Extensive experiments on Scene Flow, KITTI, Middlebury, ETH3D, EuRoc, and real-world demonstrate that CogStereo not only achieves state-of-the-art results but also excels in cross-domain generalization, shifting stereo vision towards a cognition-driven approach.
- Abstract（参考訳）: ディープステレオマッチングは、微調整によってベンチマークデータセットに大きく進歩しているが、他のビジョンタスクの基盤モデルに見られるゼロショットの一般化には及ばない。
CogStereoは、オクルージョンや弱いテクスチャといった挑戦的な領域に対処する新しいフレームワークで、データセット固有のプリミティブに依存しない。
CogStereoは、単眼の深度特徴を先行として使用し、局所的な対応を超えて全体像を理解することによって、暗黙の空間認知を洗練プロセスに組み込む。
このアプローチは、幾何学のみが不十分な領域であっても、構造的に一貫した不均一性の推定を保証する。
CogStereoは、画素ワイド不確実性と認識誘導特徴を組み合わせた二重条件改善機構を用いて、ミスマッチの一貫したグローバルな補正を行う。
Scene Flow、KITTI、Middlebury、ETH3D、EuRoc、および実世界の大規模な実験は、CogStereoが最先端の結果を達成するだけでなく、クロスドメインの一般化にも優れており、ステレオビジョンを認知駆動アプローチへとシフトしていることを示している。
関連論文リスト
- Warp-free Cross-view Geo-localization via Feature-space Consensus Mining [49.843311525678565]
ストリートレベルの画像と衛星画像の間に大きな違いがあるため、クロスビューのジオローカライゼーションは困難である。
本稿では,明示的な幾何学的ワープを完全に回避する,新しい統合ビュー・コンセンサス誘導学習フレームワークを提案する。
論文 参考訳（メタデータ） (2026-08-10T09:02:06Z) - Partial Skeleton Visibility for Action Recognition: A Constrained Field-of-View Approach [60.596944437968524]
partialVisGraphは、制約されたフィールド・オブ・ビューの下で、堅牢なスケルトンベースのアクション認識のための新しいフレームワークである。
部分的な可視性の下では、最先端の精度を一貫して達成し、厳しいFoV制限のあるサブセットでは68.8%まで上昇する。
提案手法は,非拘束環境下でのスケルトンに基づく行動理解を実現するための,原則的かつ実践的な経路を提供する。
論文 参考訳（メタデータ） (2026-07-01T10:03:11Z) - StereoGS: Sparse-View 3D Gaussian Splatting via Stereo Priors [0.9326260051834822]
3D Gaussian Splatting (3DGS) は、リアルタイムの新規なビュー合成において顕著な成功を収めた。
幾何的制約が不十分なため、スパースビュー設定下で厳しいオーバーフィッティングに悩まされる。
両眼の安定性を確立するためにステレオ先行情報を統合した新しいスパースビュー3DGSフレームワークであるStereoGSを提案する。
論文 参考訳（メタデータ） (2026-06-29T16:45:57Z) - Hierarchical Consistency Learning for Test-time Adaptation in Camouflage Perception [50.278200968044665]
カモフラージュされた物体検出(COD)は、物理的属性を通して背景から最小限の知覚差を示すターゲットをローカライズすることを目的としている。
既存のメソッドは、静的なTrain-then-freezeパラダイムによって制約されており、ドメインの剛性と依存性のアノテーションに悩まされている。
動的表現再構成のためのテスト時間適応を統合した階層的一貫性学習フレームワークを提案する。
論文 参考訳（メタデータ） (2026-05-25T09:57:46Z) - VoxScene: Anchor-Conditioned Voxel Diffusion for Indoor Scene Arrangement [21.464029085947697]
VoxSceneは3Dシーン合成に適したアンカー条件のボクセル拡散フレームワークである。
離散ボクセルの相互排他性を利用して空間的曖昧性を排除し,衝突のない配置を保証する。
論文 参考訳（メタデータ） (2026-05-16T18:10:48Z) - Robust Deepfake Detection: Mitigating Spatial Attention Drift via Calibrated Complementary Ensembles [8.588817718552418]
現在のディープフェイク検出モデルは、現実世界の複合劣化下での空間的注意の漂流に悩まされている。
本稿では, 極端な複合劣化エンジンと, 構造的に制約されたマルチストリームアーキテクチャを統合した基礎駆動型法科学フレームワークを提案する。
NTIRE 2026では,CVPRのロバストディープフェイク検出チャレンジで第4位を獲得した。
論文 参考訳（メタデータ） (2026-04-28T17:32:48Z) - Ego to World: Collaborative Spatial Reasoning in Embodied Systems via Reinforcement Learning [61.753025885751036]
本稿では,3つのタスクにまたがる異種視点を融合する視覚言語モデルの能力を評価するEgo-to-Worldベンチマークを提案する。
我々は,2段階のフレームワークであるCoRLを提案し,チェイン・オブ・ソート(Chain-of-Thought)を教師付き微調整と強化学習を組み合わせた。
我々は、CoRLが、推論と知覚グラウンドのメトリクスの両方において、強力なプロプライエタリおよびオープンソースベースラインを一貫して超越していることを示します。
論文 参考訳（メタデータ） (2026-03-16T04:27:53Z) - Semantic-Deviation-Anchored Multi-Branch Fusion for Unsupervised Anomaly Detection and Localization in Unstructured Conveyor-Belt Coal Scenes [6.184948083111668]
textbfCoalADは、石炭ストリームシーンにおける画素レベルのローカライゼーションによる教師なし異物異常検出のためのベンチマークである。
本稿では,3つの視点から補完的異常証拠を抽出・融合する補完的共同認識フレームワークを提案する。
CoalADの実験では、評価画像レベルと画素レベルのメトリクスで、我々の手法が広く使用されているベースラインよりも優れていることが示された。
論文 参考訳（メタデータ） (2026-02-07T20:36:24Z) - Seamlessly Natural: Image Stitching with Natural Appearance Preservation [0.6089774484591287]
SENAは、パララックスと深度変化を特徴とする現実世界の挑戦的なシーンにおける構造的忠実度を優先する。
SENAは3つの重要なコントリビューションを通じて基本的な制限に対処する。
挑戦的なデータセットで行われた実験は、SENAが主要なホモグラフィーベースの手法に匹敵するアライメント精度を達成することを示した。
論文 参考訳（メタデータ） (2026-01-03T18:40:35Z) - SonarSweep: Fusing Sonar and Vision for Robust 3D Reconstruction via Plane Sweeping [6.826863809223021]
3次元再構成への単一モダリティアプローチは、視認性や幾何学的制約が低いために失敗する。
それまでの融合技術は、欠陥のある幾何学に依存しており、重要なアーティファクトと複雑なシーンをモデル化することができない。
本稿では,これらの制約を克服する新しいエンドツーエンドディープラーニングフレームワークであるSonarSweepを紹介する。
論文 参考訳（メタデータ） (2025-11-01T04:12:27Z) - Deep Equilibrium Convolutional Sparse Coding for Hyperspectral Image Denoising [16.405355853358202]
ハイパースペクトル画像(HSI)はリモートセンシングにおいて重要な役割を果たすが、複雑なノイズパターンによって劣化することが多い。
分解されたHSIの物理的特性の確保は、強靭なHSIの分解に不可欠であり、深層展開法が台頭する。
本研究では,局所的空間スペクトル相関,非局所的空間自己相似性,大域的空間一貫性を統一するDeep Equilibrium Convolutional Sparse Coding(DECSC)フレームワークを提案する。
論文 参考訳（メタデータ） (2025-08-21T13:35:11Z) - Zero-P-to-3: Zero-Shot Partial-View Images to 3D Object [55.93553895520324]
そこで本研究では,局所的な高密度観測と複数ソースの事前情報を統合した学習自由手法を提案する。
本手法では, DDIMサンプリングにおいて, これらの先行情報を効果的に整合させる融合方式を導入し, 多視点一貫した画像を生成し, 見えない視界を監督する。
論文 参考訳（メタデータ） (2025-05-29T03:51:37Z) - Zooming In on Fakes: A Novel Dataset for Localized AI-Generated Image Detection with Forgery Amplification Approach [69.01456182499486]
textbfBR-Genは、さまざまなシーン認識アノテーションを備えた15万のローカル鍛造イメージの大規模なデータセットである。
textbfNFA-ViTはノイズ誘導フォージェリ増幅ビジョン変換器で、ローカライズされたフォージェリの検出を強化する。
論文 参考訳（メタデータ） (2025-04-16T09:57:23Z) - Boosting Omnidirectional Stereo Matching with a Pre-trained Depth Foundation Model [62.37493746544967]
カメラベースの設定は、立体深度推定を用いて高解像度の高解像度深度マップを生成することで、コスト効率のよい選択肢を提供する。
既存の全方位ステレオマッチング手法は、様々な環境において限られた深度精度しか達成できない。
DFI-OmniStereoは, 大規模事前学習基礎モデルを用いて, 相対的な単眼深度推定を行う新しい全方位ステレオマッチング法である。
論文 参考訳（メタデータ） (2025-03-30T16:24:22Z) - FoundationStereo: Zero-Shot Stereo Matching [50.79202911274819]
FoundationStereoはステレオ深度推定の基礎モデルである。
まず,大規模(1Mステレオペア)合成学習データセットを構築した。
その後、スケーラビリティを高めるために、多数のネットワークアーキテクチャコンポーネントを設計します。
論文 参考訳（メタデータ） (2025-01-17T01:01:44Z) - DEFOM-Stereo: Depth Foundation Model Based Stereo Matching [12.22373236061929]
DEFOM-Stereoはモノクローナルディープキューとの堅牢なステレオマッチングを容易にするために構築されている。
SOTA法と比較してより強いゼロショットの一般化があることが確認された。
我々のモデルは、個々のベンチマークにおいて、以前のモデルより同時に優れています。
論文 参考訳（メタデータ） (2025-01-16T10:59:29Z) - ZoomNeXt: A Unified Collaborative Pyramid Network for Camouflaged Object Detection [70.11264880907652]
最近のオブジェクト(COD)は、現実のシナリオでは極めて複雑で難しい、視覚的にブレンドされたオブジェクトを周囲に分割しようと試みている。
本研究では,不明瞭な画像を観察したり,ズームインしたりアウトしたりする際の人間の行動を模倣する,効果的な統合協調ピラミッドネットワークを提案する。
我々のフレームワークは、画像とビデオのCODベンチマークにおいて、既存の最先端の手法を一貫して上回っている。
論文 参考訳（メタデータ） (2023-10-31T06:11:23Z) - View Consistent Purification for Accurate Cross-View Localization [59.48131378244399]
本稿では,屋外ロボットのための微細な自己局在化手法を提案する。
提案手法は,既存のクロスビューローカライゼーション手法の限界に対処する。
これは、動的環境における知覚を増強する初めての疎視のみの手法である。
論文 参考訳（メタデータ） (2023-08-16T02:51:52Z) - Towards Higher-order Topological Consistency for Unsupervised Network
Alignment [41.763907024585926]
完全教師なしネットワークアライメントフレームワークであるHTCを提案する。
提案した高次位相整合性は、エッジ軌道に基づいて定式化される。
エンコーダはマルチビット対応に訓練され、さらに信頼性の高いアンカーリンクを特定するように洗練される。
論文 参考訳（メタデータ） (2022-08-26T07:09:13Z) - ChiTransformer:Towards Reliable Stereo from Cues [10.756828396434033]
現在のステレオマッチング技術は、制限された探索空間、隠蔽領域、およびせん断サイズによって挑戦される。
本稿では,光学機構にインスパイアされた自己監督型両眼深度推定法を提案する。
ChiTransformerアーキテクチャは、最先端の自己教師型ステレオアプローチよりも11%大幅に改善されている。
論文 参考訳（メタデータ） (2022-03-09T07:19:58Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。