論文の概要: VDPP: Video Depth Post-Processing for Speed and Scalability

• arxiv url: http://arxiv.org/abs/2604.06665v1
• Date: Wed, 08 Apr 2026 04:33:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-09 17:30:51.336097
• Title: VDPP: Video Depth Post-Processing for Speed and Scalability
• Title（参考訳）: VDPP: スピードとスケーラビリティのためのビデオの深さ後処理
• Authors: Daewon Yoon, Injun Baek, Sangyu Han, Yearim Kim, Nojun Kwak,
• Abstract要約: ビデオ深度推定は、自律運転から混合現実に至るまでのアプリケーションに3Dシーン構造を提供するために不可欠である。 本稿では,ビデオ深度推定のための後処理手法の高速化と精度向上を目的としたVDPP(Video Depth Post-Processing)を提案する。 以上の結果から,VDPPは速度,精度,メモリ効率のバランスが良く,リアルタイムエッジデプロイメントにおける最も実用的なソリューションであることが示された。
• 参考スコア（独自算出の注目度）: 25.51919473064388
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Video depth estimation is essential for providing 3D scene structure in applications ranging from autonomous driving to mixed reality. Current end-to-end video depth models have established state-of-the-art performance. Although current end-to-end (E2E) models have achieved state-of-the-art performance, they function as tightly coupled systems that suffer from a significant adaptation lag whenever superior single-image depth estimators are released. To mitigate this issue, post-processing methods such as NVDS offer a modular plug-and-play alternative to incorporate any evolving image depth model without retraining. However, existing post-processing methods still struggle to match the efficiency and practicality of E2E systems due to limited speed, accuracy, and RGB reliance. In this work, we revitalize the role of post-processing by proposing VDPP (Video Depth Post-Processing), a framework that improves the speed and accuracy of post-processing methods for video depth estimation. By shifting the paradigm from computationally expensive scene reconstruction to targeted geometric refinement, VDPP operates purely on geometric refinements in low-resolution space. This design achieves exceptional speed (>43.5 FPS on NVIDIA Jetson Orin Nano) while matching the temporal coherence of E2E systems, with dense residual learning driving geometric representations rather than full reconstructions. Furthermore, our VDPP's RGB-free architecture ensures true scalability, enabling immediate integration with any evolving image depth model. Our results demonstrate that VDPP provides a superior balance of speed, accuracy, and memory efficiency, making it the most practical solution for real-time edge deployment. Our project page is at https://github.com/injun-baek/VDPP
• Abstract（参考訳）: ビデオ深度推定は、自律運転から混合現実に至るまでのアプリケーションに3Dシーン構造を提供するために不可欠である。 現在のエンド・ツー・エンドのビデオ深度モデルでは、最先端のパフォーマンスが確立されている。 現在のエンド・ツー・エンド(E2E)モデルは最先端の性能を達成したが、優れた単一画像深度推定器がリリースされるたびに大きな適応遅延に悩まされる密結合システムとして機能する。 この問題を緩和するため、NVDSのような後処理手法は、再トレーニングせずに進化する画像深度モデルを組み込むためのモジュラー・プラグ・アンド・プレイの代替手段を提供する。 しかし、既存の後処理手法は、速度、精度、RGBに依存するため、E2Eシステムの効率性と実用性に相応しい。 本稿では,ビデオ深度推定のための後処理手法の高速化と精度向上を目的とした,VDPP(Video Depth Post-Processing)を提案することによって,後処理の役割を再活性化する。 VDPPは、計算コストのかかるシーン再構成から目的の幾何学的洗練へパラダイムをシフトすることで、低解像度空間における幾何学的洗練を純粋に操作する。 この設計は、E2Eシステムの時間的コヒーレンスと完全な再構成ではなく、密集した残留学習による幾何学的表現とを一致させながら、例外的な速度(NVIDIA Jetson Orin Nanoの>43.5 FPS)を達成する。 さらに、VDPPのRGBフリーアーキテクチャは真のスケーラビリティを保証し、進化する画像深度モデルとの即時統合を可能にします。 以上の結果から,VDPPは速度,精度,メモリ効率のバランスが良く,リアルタイムエッジデプロイメントにおける最も実用的なソリューションであることが示された。 私たちのプロジェクトページはhttps://github.com/injun-baek/VDPPです。

関連論文リスト

• UDPNet: Unleashing Depth-based Priors for Robust Image Dehazing [77.10640210751981]
  UDPNetは、大規模で事前訓練された深度推定モデルDepthAnything V2から深度に基づく事前情報を活用する一般的なフレームワークである。 提案手法は,様々なシナリオにまたがる深度認識デハージングのための新しいベンチマークを確立する。
  論文  参考訳（メタデータ） (2026-01-11T13:29:02Z)
• Video Depth Propagation [54.523028170425256]
  既存の手法は単純なフレーム・バイ・フレームの単分子モデルに依存しており、時間的矛盾と不正確な結果をもたらす。 本稿では,オンラインビデオパイプラインを効果的に活用し,深い特徴伝達を行うVeloDepthを提案する。 構造的に時間的整合性を強制し, 連続するフレーム間に安定した深さ予測を行い, 効率を向上する。
  論文  参考訳（メタデータ） (2025-12-11T15:08:37Z)
• Video Depth Anything: Consistent Depth Estimation for Super-Long Videos [60.857723250653976]
  超長ビデオにおける高品質で一貫した深度推定のためのビデオ深度推定法を提案する。 我々のモデルは、Depth Anything V2と同様、ビデオ深度とラベルなし画像の合同データセットに基づいて訓練されている。 提案手法は,ゼロショット映像深度推定における新しい最先端技術である。
  論文  参考訳（メタデータ） (2025-01-21T18:53:30Z)
• Lightweight Multiplane Images Network for Real-Time Stereoscopic Conversion from Planar Video [29.199113565852645]
  本稿では,Multi-plane Image(MPI)に基づくリアルタイム立体変換ネットワークを提案する。 暗黙的に深度認識機能を抽出するために、軽量な深度セマンティックブランチを使用している。 いくつかの最先端(SOTA)モデルに匹敵するパフォーマンスを実現し、2K解像度でのリアルタイム推論をサポートする。
  論文  参考訳（メタデータ） (2024-12-04T08:04:14Z)
• Learning Temporally Consistent Video Depth from Video Diffusion Priors [62.36887303063542]
  本研究は,ストリーム映像深度推定の課題に対処する。 フレームやクリップ間でコンテキスト情報を共有することは、時間的一貫性を育む上で重要である、と我々は主張する。 本稿では,任意の長さの動画に対して一貫したコンテキスト認識学習と推論戦略を提案し,クロスクリップなコンテキストを提供する。
  論文  参考訳（メタデータ） (2024-06-03T16:20:24Z)

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。