Fugu-MT 論文翻訳(概要): Efficient Hybrid CNN-GNN Architecture for Monocular Depth Estimation

論文の概要: Efficient Hybrid CNN-GNN Architecture for Monocular Depth Estimation

arxiv url: http://arxiv.org/abs/2605.10251v1
Date: Mon, 11 May 2026 09:21:04 GMT
ステータス: 翻訳完了
システム内更新日: 2026-05-12 23:28:50.687415
Title: Efficient Hybrid CNN-GNN Architecture for Monocular Depth Estimation
Title（参考訳）: 単眼深度推定のための効率的なハイブリッドCNN-GNNアーキテクチャ
Authors: Ishan Narayan,
Abstract要約: 畳み込みエンコーダ・デコーダフレームワークにグラフニューラルネットワーク(GNN)を統合する単眼深度推定アーキテクチャであるGraphDepthを提案する。我々のアプローチは、効率的なGraphSAGEレイヤをResNet-101 U-Netバックボーンの複数スケールに埋め込む。 NYU Depth V2、WHU Aerial、ETH3D、Mid-Airベンチマークの実験では、最先端のトランスフォーマーの4.6%で競合精度が示されている。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We present GraphDepth, a monocular depth estimation architecture that synergistically integrates Graph Neural Networks (GNNs) within a convolutional encoder-decoder framework. Our approach embeds efficient GraphSAGE layers at multiple scales of a ResNet-101 U-Net backbone, enabling explicit modeling of long-range spatial relationships that lie beyond the receptive field of local convolutions. Key technical contributions include: (1) batch-parallelized graph construction with configurable k-NN and grid-based adjacency for scalable training; (2) multi-scale GraphSAGE integration at bottleneck and decoder stages (1/32, 1/16, 1/8 resolution) to propagate global context throughout the feature hierarchy; (3) channel-attention gated skip connections that adaptively weight encoder features before fusion; and (4) heteroscedastic uncertainty estimation via a dedicated aleatoric uncertainty head, enabling confidence-aware loss weighting during optimization. Unlike transformer-based hybrids, which suffer from quadratic complexity in sequence length, GraphDepth scales linearly with spatial resolution while achieving comparable global receptive fields through iterative message passing. Experiments on NYU Depth V2, WHU Aerial, ETH3D, and Mid-Air benchmarks demonstrate competitive accuracy within 4.6\% of state-of-the-art transformers on indoor scenes with substantially lower computational cost (25 FPS vs 9 FPS, 3.8 GB vs 8.8 GB VRAM). GraphDepth achieves the best reported result on WHU Aerial (RMSE 8.24 m) and exhibits superior zero-shot cross-domain transfer to the Mid-Air synthetic aerial dataset, validating the generalization power of explicit relational reasoning for depth estimation.
Abstract（参考訳）: 畳み込みエンコーダ・デコーダフレームワークにグラフニューラルネットワーク(GNN)を相乗的に統合する単眼深度推定アーキテクチャであるGraphDepthを提案する。提案手法は,ResNet-101 U-Netバックボーンの複数スケールにグラフSAGEの効率的なレイヤを埋め込むことで,局所畳み込みの受容領域を超えた長距離空間関係の明示的なモデリングを可能にする。主な技術的貢献は,(1)構成可能なk-NNとグリッドベースの拡張性を備えたバッチ並列グラフ構築,(2)ボトルネックおよびデコーダステージにおけるマルチスケールグラフSAGE統合(1/32, 1/16, 1/8レゾリューション)による特徴階層全体のグローバルコンテキストの伝播,(3)チャネルアテンション付きスキップ接続によるエンコーダ特性の適応的な重み付け,(4)専用アレータ的不確実性ヘッドによるヘテロスセダスト的不確実性推定,などである。シークエンス長さの2次複雑さに悩まされるトランスフォーマーベースのハイブリッドとは異なり、GraphDepthは空間分解能と線形にスケールし、反復メッセージパッシングによって、同等のグローバルな受容場を達成する。 NYU Depth V2、WHU Aerial、ETH3D、Mid-Airベンチマークの実験では、室内での最先端トランスフォーマーの4.6倍の精度で計算コストが大幅に低い(25 FPS対9 FPS、3.8 GB対8.8 GB VRAM)。 GraphDepth は WHU Aerial (RMSE 8.24 m) で報告された最良の結果を達成し、より優れたゼロショットのクロスドメインを中空合成航空データセットに転送し、深度推定のための明示的リレーショナル推論の一般化力を検証している。

関連論文リスト

NG-GS: NeRF-Guided 3D Gaussian Splatting Segmentation [65.34304674634713]
3DGSにおける高品質なオブジェクトセグメンテーションのためのフレームワークであるNG-GSを導入する。本手法は, 境界mIoUにおいて, フォトリアリスティックな技術性能を実現し, 有意な利得が得られることを示す。
論文参考訳（メタデータ） (2026-04-16T07:14:07Z)
Hierarchical Awareness Adapters with Hybrid Pyramid Feature Fusion for Dense Depth Prediction [9.96771578356719]
既存のアプローチは、深度マップを回帰するために、ますます複雑なネットワークアーキテクチャに依存している。本論文では,Swin Transformerのバックボーン上に構築したマルチレベル条件付きランダムフィールド(CRF)モデルを提案する。本稿では,Abs Relを0.088ドル(約7.4%)に,RMSEを0.316ドル(約5.4%)に削減し,ほぼ完全なしきい値精度を実現した。
論文参考訳（メタデータ） (2026-04-03T07:59:26Z)
WarPGNN: A Parametric Thermal Warpage Analysis Framework with Physics-aware Graph Neural Network [1.4476963891735688]
グラフニューラルネット(GNN)を利用した高速かつ高精度なパラメトリックサーマルウォープ解析フレームワークWarPGNNを提案する。提案手法は2次元効率的なFEM法と比較して205.91x以上の高速化と3次元FEM法COMSOLによる1 19766.64x以上の加速を実現している。 WarPGNNは、3.69%の正規化RMSEと同様のランタイムを持つ未確認データセットに対して、顕著な転送性を示す。
論文参考訳（メタデータ） (2026-03-19T07:40:57Z)
Enhancing Floor Plan Recognition: A Hybrid Mix-Transformer and U-Net Approach for Precise Wall Segmentation [0.0]
本研究では,Mix-TransformerエンコーダとU-Netデコーダを組み合わせたハイブリッドニューラルネットワークMitUNetを紹介する。我々の手法は精度とリコールのバランスを保ち、正確な境界回復を保証する。 CubiCasa5kデータセットと独自の地域データセットの実験は、構造的に正しいマスクを生成する上でのMitUNetの優位性を示している。
論文参考訳（メタデータ） (2025-12-02T04:47:53Z)
ScaleGNN: Towards Scalable Graph Neural Networks via Adaptive High-order Neighboring Feature Fusion [73.85920403511706]
スケーラブルで効果的なグラフ学習のためのマルチホップノード機能を適応的に融合する新しいフレームワークであるScaleGNNを提案する。予測精度と計算効率の両面で,ScaleGNNは最先端のGNNよりも一貫して優れていることを示す。
論文参考訳（メタデータ） (2025-04-22T14:05:11Z)
Point Cloud Denoising With Fine-Granularity Dynamic Graph Convolutional Networks [58.050130177241186]
ノイズの摂動は、しばしば3次元の点雲を破損させ、表面の再構成、レンダリング、さらなる処理といった下流のタスクを妨げる。本稿では,GDGCNと呼ばれる粒度動的グラフ畳み込みネットワークについて紹介する。
論文参考訳（メタデータ） (2024-11-21T14:19:32Z)
ALOcc: Adaptive Lifting-Based 3D Semantic Occupancy and Cost Volume-Based Flow Predictions [91.55655961014027]
シーン理解には3次元セマンティック占有とフロー予測が不可欠である。本稿では,3つの改善点を目標とした視覚ベースのフレームワークを提案する。我々の純粋な畳み込みアーキテクチャは、セマンティック占有率とジョイントセマンティックフロー予測の両方のために、複数のベンチマーク上で新しいSOTA性能を確立する。
論文参考訳（メタデータ） (2024-11-12T11:32:56Z)
Mesh-based Super-Resolution of Fluid Flows with Multiscale Graph Neural Networks [0.0]
メッシュベースの流体の3次元超解像を可能にするグラフニューラルネットワーク(GNN)アプローチが本研究で導入された。このフレームワークでは、GNNは一度に完全なメッシュベースのフィールドでではなく、要素(またはセル)の局所的なメッシュで動くように設計されている。
論文参考訳（メタデータ） (2024-09-12T05:52:19Z)
T-GAE: Transferable Graph Autoencoder for Network Alignment [79.89704126746204]
T-GAEはグラフオートエンコーダフレームワークで、GNNの転送性と安定性を活用して、再トレーニングなしに効率的なネットワークアライメントを実現する。実験の結果、T-GAEは最先端の最適化手法と最高のGNN手法を最大38.7%、50.8%で上回っていることがわかった。
論文参考訳（メタデータ） (2023-10-05T02:58:29Z)
DepthFormer: Exploiting Long-Range Correlation and Local Information for Accurate Monocular Depth Estimation [50.08080424613603]
高精度な単分子深度推定には長距離相関が不可欠である。我々は,このグローバルコンテキストを効果的な注意機構でモデル化するためにTransformerを活用することを提案する。提案したモデルであるDepthFormerは、最先端のモノクル深度推定手法をはるかに超えている。
論文参考訳（メタデータ） (2022-03-27T05:03:56Z)

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。