論文の概要: PXDepth: Pixel-Space Modeling for Structure Preserving Monocular Depth Estimation

• arxiv url: http://arxiv.org/abs/2608.16984v1
• Date: Mon, 17 Aug 2026 18:00:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-19 21:40:53.087198
• Title: PXDepth: Pixel-Space Modeling for Structure Preserving Monocular Depth Estimation
• Title（参考訳）: PXDepth:単眼深度推定のための画素空間モデリング
• Abstract要約: PXDepthは,画素レベルの深度予測から大域的コンテキストモデリングを分離する識別単眼深度モデルである。 具体的には、大容量のViTがグローバルシーンコンテキストをキャプチャし、Context-Modulated Pixel Transformerブロックからなる画素空間予測器が高解像度空間表現を保持する。 この設計は、世界深度一貫性を犠牲にすることなく、微細な構造と鋭い境界を保っている。
• 参考スコア（独自算出の注目度）: 102.98521307122452
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent monocular depth estimators achieve strong zero-shot generalization, yet often struggle to preserve fine-grained structures and object boundaries. We attribute this limitation to the prevalent combination of large-patch ViT encoders and convolutional decoders, as coarse tokenization can weaken pixel-level cues that upsampling cannot fully recover. To address this issue, we propose PXDepth, a discriminative monocular depth model that separates global context modeling from pixel-level depth prediction. Specifically, a large-patch ViT captures global scene context, while a pixel-space predictor composed of Context-Modulated Pixel Transformer blocks maintains high-resolution spatial representations throughout depth estimation. This design preserves fine structures and sharp boundaries without sacrificing global depth consistency. Across diverse zero-shot benchmarks, PXDepth combines faithful local geometry with competitive global depth accuracy while remaining efficient at inference. Our code and model are available at https://yuanzhy29.github.io/PXDepth-Page/.
• Abstract（参考訳）: 最近の単分子深度推定器は強いゼロショットの一般化を達成するが、細粒度の構造や物体の境界を維持するのにしばしば苦労する。 この制限は、大容量のViTエンコーダと畳み込みデコーダの組み合わせによるものであり、粗いトークン化は、アップサンプリングが完全に回復できないピクセルレベルのキューを弱める可能性がある。 この問題に対処するために,画素レベルの深度予測からグローバルコンテキストモデリングを分離する識別単分子深度モデルであるPXDepthを提案する。 具体的には、大パッチのViTがグローバルなシーンコンテキストをキャプチャし、Context-Modulated Pixel Transformerブロックからなる画素空間予測器は、深さ推定全体を通して高解像度の空間表現を保持する。 この設計は、世界深度一貫性を犠牲にすることなく、微細な構造と鋭い境界を保っている。 様々なゼロショットベンチマークで、PXDepthは忠実な局所幾何学と競合する大局的な深さの精度を組み合わせながら、推論の効率を保っている。 私たちのコードとモデルはhttps://yuanzhy29.github.io/PXDepth-Page/で公開されています。

関連論文リスト

• PacGDC: Label-Efficient Generalizable Depth Completion with Projection Ambiguity and Consistency [63.74016242995453]
  PacGDCは、一般化可能な深度補完のための最小限のアノテーションでデータ多様性を向上させるラベル効率のよい手法である。 本稿では,複数の深度基礎モデルをスケールマニピュレータとして利用する新しいデータ合成パイプラインを提案する。 実験により、PacGDCは複数のベンチマークで顕著に一般化可能であることが示された。
  論文  参考訳（メタデータ） (2025-07-10T01:56:30Z)
• Towards Ambiguity-Free Spatial Foundation Model: Rethinking and Decoupling Depth Ambiguity [20.86484181698326]
  決定論的予測に限定された既存のモデルは、現実世界の多層深度を見落としている。 単一予測から多仮説空間基盤モデルへのパラダイムシフトを導入する。
  論文  参考訳（メタデータ） (2025-03-08T02:33:54Z)
• Decoupling Fine Detail and Global Geometry for Compressed Depth Map Super-Resolution [55.9977636042469]
  圧縮深度マップ超解像のための新しいフレームワークGDNetを提案する。 グローバルおよび詳細な幾何学的特徴を別々に扱うことにより、高品質な深度マップ再構築プロセスを分離する。 我々の解は、幾何的整合性と詳細回復の観点から、現在の方法よりも大幅に優れています。
  論文  参考訳（メタデータ） (2024-11-05T16:37:30Z)
• GEDepth: Ground Embedding for Monocular Depth Estimation [4.95394574147086]
  本稿では,画像からカメラパラメータを分離する新たな接地モジュールを提案する。 地下深度と残留深度を最適に組み合わせるために、地上の注意をモジュール内に設計する。 実験の結果,本手法は一般的なベンチマークで最先端の結果が得られることがわかった。
  論文  参考訳（メタデータ） (2023-09-18T17:56:06Z)
• Single Image Depth Prediction Made Better: A Multivariate Gaussian Take [163.14849753700682]
  本稿では,画素ごとの深度を連続的にモデル化する手法を提案する。 提案手法の精度(MG)は,KITTI深度予測ベンチマークリーダーボードの上位に位置する。
  論文  参考訳（メタデータ） (2023-03-31T16:01:03Z)
• Multi-Frame Self-Supervised Depth with Transformers [33.00363651105475]
  本稿では,コストボリューム生成のためのトランスフォーマーアーキテクチャを提案する。 深度分布型エピポーラサンプリングを用いて、マッチング候補を選択する。 私たちは、一連の自己と横断的なレイヤを通じて予測を洗練します。
  論文  参考訳（メタデータ） (2022-04-15T19:04:57Z)
• Object-aware Monocular Depth Prediction with Instance Convolutions [72.98771405534937]
  本稿では,特徴集合を避けるために明示的に調整された新しい畳み込み演算子を提案する。 提案手法は,部分ごとの深度をスーパーピクセルで推定する。 NYUv2とiBimsデータセットに対する我々の評価は、インスタンスの畳み込みの優位性を明確に示している。
  論文  参考訳（メタデータ） (2021-12-02T18:59:48Z)
• InfinityGAN: Towards Infinite-Resolution Image Synthesis [92.40782797030977]
  任意の解像度画像を生成するinfinityganを提案する。 少ない計算資源でパッチバイパッチをシームレスに訓練し、推論する方法を示す。
  論文  参考訳（メタデータ） (2021-04-08T17:59:30Z)

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。