論文の概要: PTC-Depth: Pose-Refined Monocular Depth Estimation with Temporal Consistency

• arxiv url: http://arxiv.org/abs/2604.01791v1
• Date: Thu, 02 Apr 2026 09:03:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-03 14:21:10.627944
• Title: PTC-Depth: Pose-Refined Monocular Depth Estimation with Temporal Consistency
• Title（参考訳）: PTC-Depth:時間的整合性を考慮したポスリファイド単眼深度推定
• Authors: Leezy Han, Seunggyu Kim, Dongseok Shim, Hyeonbeom Lee,
• Abstract要約: 既存のアプローチはしばしば、連続するフレーム間の深さ推定において時間的一貫性を維持するのに苦労する。 本稿では,移動ロボットの車輪形状を利用した一貫した単眼深度推定フレームワークを提案し,時間とともに安定かつ一貫性のある深度予測を実現する。 提案手法は,KITTI,TartanAir,および我々のデータセットを用いて評価し,ロバストかつ高精度な深度推定性能を示す。
• 参考スコア（独自算出の注目度）: 5.854654986365097
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Monocular depth estimation (MDE) has been widely adopted in the perception systems of autonomous vehicles and mobile robots. However, existing approaches often struggle to maintain temporal consistency in depth estimation across consecutive frames. This inconsistency not only causes jitter but can also lead to estimation failures when the depth range changes abruptly. To address these challenges, this paper proposes a consistency-aware monocular depth estimation framework that leverages wheel odometry from a mobile robot to achieve stable and coherent depth predictions over time. Specifically, we estimate camera pose and sparse depth from triangulation using optical flow between consecutive frames. The sparse depth estimates are used to update a recursive Bayesian estimate of the metric scale, which is then applied to rescale the relative depth predicted by a pre-trained depth estimation foundation model. The proposed method is evaluated on the KITTI, TartanAir, MS2, and our own dataset, demonstrating robust and accurate depth estimation performance.
• Abstract（参考訳）: 単眼深度推定(MDE)は、自律走行車や移動ロボットの知覚システムにおいて広く採用されている。 しかし、既存のアプローチは連続するフレーム間の深さ推定において時間的一貫性を維持するのに苦労することが多い。 この不整合はジッタを引き起こすだけでなく、急激な深さ範囲の変化による推定失敗につながる可能性がある。 これらの課題に対処するために,移動ロボットの車輪形状を利用した一貫した単眼深度推定フレームワークを提案し,時間とともに安定かつ一貫性のある深度予測を実現する。 具体的には、連続するフレーム間の光学的流れを用いて三角測量からカメラのポーズとスパース深さを推定する。 スパース深度推定は、計量スケールの再帰的ベイズ推定を更新するために使用され、事前訓練された深度推定基礎モデルによって予測される相対的深度を再スケールするために適用される。 提案手法は,KITTI,TartanAir,MS2,および我々のデータセットを用いて評価し,ロバストかつ高精度な深度推定性能を示す。

関連論文リスト

• Seurat: From Moving Points to Depth [66.65189052568209]
  本研究では,2次元軌跡の空間的関係と時間的変化を調べ,相対的な深度を推定する手法を提案する。 提案手法は,様々な領域にわたる時間的スムーズかつ高精度な深度予測を実現する。
  論文  参考訳（メタデータ） (2025-04-20T17:37:02Z)
• A Simple yet Effective Test-Time Adaptation for Zero-Shot Monocular Metric Depth Estimation [46.037640130193566]
  センサや低分解能LiDARなどの技術によって提供される3Dポイントや、IMUが提示したポーズによる構造移動を用いて、奥行きの予測を再現する新しい手法を提案する。 実験では, ゼロショット単角距離推定法, 微調整法と比較しての競合性, 深度補修法よりも頑健さが向上した。
  論文  参考訳（メタデータ） (2024-12-18T17:50:15Z)
• ScaleDepth: Decomposing Metric Depth Estimation into Scale Prediction and Relative Depth Estimation [62.600382533322325]
  本研究では,新しい単分子深度推定法であるScaleDepthを提案する。 提案手法は,距離深度をシーンスケールと相対深度に分解し,セマンティック・アウェア・スケール予測モジュールを用いて予測する。 本手法は,室内と屋外の両方のシーンを統一した枠組みで距離推定する。
  論文  参考訳（メタデータ） (2024-07-11T05:11:56Z)
• DualRefine: Self-Supervised Depth and Pose Estimation Through Iterative Epipolar Sampling and Refinement Toward Equilibrium [11.78276690882616]
  自己教師付き多フレーム深度推定は,隣接フレーム間の画素対応のマッチングコストの計算により高い精度を実現する。 本稿では,フィードバックループを通した深度とポーズを密に結合するDualモデルを提案する。 我々の新しい更新パイプラインは、奥行き推定と特徴マップの隠れ状態を反復的に洗練するために、深い平衡モデルフレームワークを使用します。
  論文  参考訳（メタデータ） (2023-04-07T09:46:29Z)
• Uncertainty Guided Depth Fusion for Spike Camera [49.41822923588663]
  スパイクカメラのための単分子およびステレオ深度推定ネットワークの予測を融合させる新しい不確かさ誘導深度融合(UGDF)フレームワークを提案する。 我々のフレームワークは、ステレオスパイク深さ推定がより近い範囲でより良い結果をもたらすという事実に動機づけられている。 従来のカメラ深度推定よりもスパイク深度推定の利点を示すため、我々はCitySpike20Kというスパイク深度データセットに貢献する。
  論文  参考訳（メタデータ） (2022-08-26T13:04:01Z)
• Variational Monocular Depth Estimation for Reliability Prediction [12.951621755732544]
  教師付き学習手法の代替として,単眼深度推定のための自己教師付き学習が広く研究されている。 従来はモデル構造の変更による深度推定の精度向上に成功している。 本稿では, 単眼深度推定のための変分モデルを理論的に定式化し, 推定深度画像の信頼性を推定する。
  論文  参考訳（メタデータ） (2020-11-24T06:23:51Z)
• Occlusion-Aware Depth Estimation with Adaptive Normal Constraints [85.44842683936471]
  カラービデオから多フレーム深度を推定する新しい学習手法を提案する。 本手法は深度推定精度において最先端の手法より優れる。
  論文  参考訳（メタデータ） (2020-04-02T07:10:45Z)
• Don't Forget The Past: Recurrent Depth Estimation from Monocular Video [92.84498980104424]
  私たちは3つの異なる種類の深さ推定を共通のフレームワークに組み込んだ。 提案手法は, 時系列の深度マップを生成する。 モノクロビデオにのみ適用したり、異なる種類のスパース深度パターンと組み合わせたりすることができる。
  論文  参考訳（メタデータ） (2020-01-08T16:50:51Z)

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。