論文の概要: DrivingDepth: Sparse-Prompted Pixel-wise Scale Correction for Driving Depth Estimation
- arxiv url: http://arxiv.org/abs/2606.31488v1
- Date: Tue, 30 Jun 2026 11:07:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-01 18:27:19.189104
- Title: DrivingDepth: Sparse-Prompted Pixel-wise Scale Correction for Driving Depth Estimation
- Title（参考訳）: 運転深度: 走行深度推定のためのスパースプロンプト画素ワイドスケール補正
- Abstract要約: 既存のスパースプロンプト法は、基礎モデルのコヒーレントな幾何学を覆い、スクラッチから深さを再生することでLiDARを組み込む。
本稿では,スパルスLiDARを幾何学的プロンプトとして扱い,静止画素のスケール補正に先立って凍結基盤を局所的に校正するドライビングDepthを提案する。
4フレームのサラウンドビュー入力を持つnuSceneでは、DrivingDepthはAbsRelが11.19、EdgeCRが5.741、MapAnything(11.99/1.914)が11.99/1.914に勝っている。
- 参考スコア（独自算出の注目度）: 19.18794880895008
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Dense depth estimation for autonomous driving faces a geometry-scale conflict: depth foundation models deliver pixel-aligned dense visual geometry without reliable metric scale, while projected LiDAR provides metric anchors that are sparse, noisy, and misaligned with image structures. Existing sparse-prompted methods incorporate LiDAR by regenerating depth from scratch, overriding the foundation model's coherent geometry and producing structural artifacts on visually continuous surfaces. Our key insight is that foundation models already capture geometrically coherent relative depth; no additional surface structure learning is required-only a per-pixel scale factor mapping relative geometry to metric coordinates. Based on this, we propose DrivingDepth, which treats sparse LiDAR as geometric prompts that locally calibrate a frozen foundation prior through residual pixel-wise scale correction, preserving dense visual geometry by construction. On nuScenes with 4-frame surround-view input, DrivingDepth achieves an AbsRel of 11.19 and an EdgeCR of 5.741, outperforming MapAnything (11.99/1.914) by simultaneously delivering SOTA metric accuracy and geometric consistency.
- Abstract（参考訳）: 深度基礎モデルは、信頼性の高いメートル法スケールを伴わずにピクセルに整列した濃密な視覚的幾何学を提供するのに対し、投影されたLiDARは、スパースでノイズがあり、画像構造と不一致な計量アンカーを提供する。
既存のスパースプロンプト法では、LiDARをスクラッチから深度を再生し、基礎モデルのコヒーレントな幾何学をオーバーライドし、視覚的に連続した表面で構造的アーティファクトを生成する。
我々の重要な洞察は、基礎モデルは、既に幾何的コヒーレントな相対深さを捉えており、追加の表面構造学習は必要とされない。
そこで本研究では,Sparse LiDAR を幾何学的プロンプトとして扱う DrivingDepth を提案する。
4フレームのサラウンドビュー入力を持つnuSceneでは、DrivingDepthはAbsRelが11.19、EdgeCRが5.741、MapAnything(11.99/1.914)が11.99/1.914に勝っている。
関連論文リスト
- D^2-4DGS: Dual-Depth Guided Sparse-Camera 4D Gaussian Splatting [0.0]
デュアルソース深度で導かれるスパース・カメラダイナミック4Dガウス・スプレイティング・フレームワークを提案する。
9つのデータセットビュー設定全体にわたって、D$2$-4DGSは最も高いPSNRを達成し、最高の競合メソッドよりも平均1.33dB改善している。
論文 参考訳（メタデータ） (2026-08-03T01:46:19Z) - IVGT: Implicit Visual Geometry Transformer for Neural Scene Representation [76.36174247570716]
ポーズレス多視点画像から連続的かつ一貫性のある幾何を暗黙的にモデル化するインプリシトビジュアル幾何変換器IVGTを提案する。
IVGTは標準座標系で連続的なニューラルネットワークシーン表現を学習し、任意の3D位置での連続的な空間クエリをサポートする。
連続的かつコヒーレントな表面形状の直接抽出を可能にし、任意の視点からRGB画像、深度マップ、表面正規写像のレンダリングを可能にする。
論文 参考訳（メタデータ） (2026-05-15T17:59:57Z) - GGPT: Geometry Grounded Point Transformer [22.64445696362087]
本稿では,GGPT(Geometry-Grounded Point Transformer)について紹介する。
この基礎の上に構築された幾何誘導型3次元点変換器は,比例的な部分幾何学的監督の下で高密度点マップを洗練する。
論文 参考訳（メタデータ） (2026-03-11T18:00:04Z) - ControlVP: Interactive Geometric Refinement of AI-Generated Images with Consistent Vanishing Points [32.23473666846317]
生成した画像の点不整合を補正するユーザガイドフレームワークである制御VPを提案する。
提案手法は, 構造物の輪郭から導出される構造的ガイダンスを組み込むことにより, 事前学習拡散モデルを拡張する。
本手法は,ベースラインに匹敵する視力を維持しながら,グローバルな幾何整合性を向上させる。
論文 参考訳（メタデータ） (2025-12-08T12:38:11Z) - CylinderDepth: Cylindrical Spatial Attention for Multi-View Consistent Self-Supervised Surround Depth Estimation [0.9558392439655014]
自己教師付きサラウンドビュー深度推定は、複数の最小重畳された画像から360視野の高密度で低コストな3D知覚を可能にする。
しかし、既存の手法のほとんどは、重なり合う画像の間に矛盾する深さ推定に悩まされている。
本稿では,高密度,メートル法,クロスビューに一貫性のある深度を予測できる,時間同期型マルチカメラリグの幾何誘導手法を提案する。
論文 参考訳（メタデータ） (2025-11-20T14:55:28Z) - Dens3R: A Foundation Model for 3D Geometry Prediction [44.13431776180547]
Dens3Rは幾何学的密度予測のための3次元基礎モデルである。
画像対マッチング機能と本質的不変性モデリングを統合することにより、Dens3Rは複数の幾何学的量を正確に回帰する。
論文 参考訳（メタデータ） (2025-07-22T07:22:30Z) - Adaptive Surface Normal Constraint for Geometric Estimation from Monocular Images [56.86175251327466]
本稿では,幾何学的文脈を取り入れつつ,画像から深度や表面正規度などの測地を学習するための新しい手法を提案する。
提案手法は,入力画像に存在する幾何学的変動を符号化した幾何学的文脈を抽出し,幾何的制約と深度推定を相関付ける。
本手法は,画像から高品質な3次元形状を生成可能な密着型フレームワーク内での深度と表面の正規分布推定を統一する。
論文 参考訳（メタデータ） (2024-02-08T17:57:59Z) - FrozenRecon: Pose-free 3D Scene Reconstruction with Frozen Depth Models [67.96827539201071]
本稿では,3次元シーン再構成のための新しいテスト時間最適化手法を提案する。
本手法は5つのゼロショットテストデータセット上で,最先端のクロスデータセット再構築を実現する。
論文 参考訳（メタデータ） (2023-08-10T17:55:02Z) - Category-Level Metric Scale Object Shape and Pose Estimation [73.92460712829188]
本稿では,測度スケールの形状と1枚のRGB画像からのポーズを共同で推定するフレームワークを提案する。
カテゴリーレベルのオブジェクトのポーズと形状を評価するために,合成と実世界の両方のデータセット上で本手法の有効性を検証した。
論文 参考訳（メタデータ） (2021-09-01T12:16:46Z) - A Surface Geometry Model for LiDAR Depth Completion [19.33116596688515]
LiDAR深度完了は、対応するカメラフレーム上の各ピクセルの深度値を予測するタスクである。
既存の最先端のソリューションのほとんどは、モデルのトレーニングに大量のデータと重い計算を必要とするディープニューラルネットワークに基づいています。
本書では, 外周除去アルゴリズムにより強化された局所表面形状を利用して, 新たな非学習深度補完法を提案する。
論文 参考訳（メタデータ） (2021-04-17T06:48:01Z) - Virtual Normal: Enforcing Geometric Constraints for Accurate and Robust
Depth Prediction [87.08227378010874]
深度予測における高次3次元幾何学的制約の重要性を示す。
単純な幾何学的制約を強制する損失項を設計することにより、単眼深度推定の精度とロバスト性を大幅に改善する。
The-of-the-art results of learning metric depth on NYU Depth-V2 and KITTI。
論文 参考訳（メタデータ） (2021-03-07T00:08:21Z) - GeoNet++: Iterative Geometric Neural Network with Edge-Aware Refinement
for Joint Depth and Surface Normal Estimation [204.13451624763735]
本研究では,エッジアウェア・リファインメント(GeoNet++)を用いた幾何ニューラルネットワークを提案し,単一の画像から深さと表面正規写像の両方を共同で予測する。
geonet++は、強い3d一貫性と鋭い境界を持つ深さと表面の正常を効果的に予測する。
画素単位の誤差/精度を評価することに焦点を当てた現在の測定値とは対照的に、3DGMは予測深度が高品質な3D表面の正常を再構築できるかどうかを測定する。
論文 参考訳（メタデータ） (2020-12-13T06:48:01Z)
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。