論文の概要: M2Depth: Unifying Monocular Depth Foundation Priors with Multi-View Stereo
- arxiv url: http://arxiv.org/abs/2608.20788v1
- Date: Fri, 21 Aug 2026 07:01:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-24 14:49:32.428871
- Title: M2Depth: Unifying Monocular Depth Foundation Priors with Multi-View Stereo
- Title（参考訳）: M2Depth: Multi-View Stereoでモノクルディープスファウンデーションを統一する
- Abstract要約: 深層学習に基づくMulti-View Stereo(MVS)は著しく進歩しているが、しばしば目に見えない場面に一般化する。
本稿では,DFMとカスケードMVSパイプラインを密結合することで,この制限を克服する新しいフレームワークを提案する。
本手法は, 単分子予測におけるスケールのあいまいさを解決するためにMVS深度を利用するが, 単分子深度はMVS推定の完全性や細粒度を向上する。
- 参考スコア（独自算出の注目度）: 7.74235950208606
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Deep learning-based Multi-View Stereo (MVS) has advanced significantly but often generalizes poorly to unseen scenes, particularly in occluded areas or regions with limited view overlap. To mitigate this, recent approaches integrate Depth Foundation Models (DFMs) into MVS pipelines to provide monocular depth priors. However, existing methods typically rely on a static, one-way fusion scheme, which fails to fully exploit the complementary strengths of both modalities. We propose a novel framework that overcomes this limitation by tightly coupling a DFM with a cascade MVS pipeline through a bidirectional mutual refinement strategy. Our method leverages MVS depth to resolve the scale ambiguity in monocular predictions, while the monocular depth, in turn, enhances the structural completeness and fine-grained detail of the MVS estimate. Furthermore, we introduce a prior-guided cost volume refinement mechanism that effectively integrates multi-view and monocular information via attention-based fusion and discretized depth bins, thereby promoting local geometric consistency. Extensive experiments demonstrate that our method outperforms state-of-the-art MVS approaches on standard benchmarks, producing more complete and generalizable depth maps with sharp boundaries. Furthermore, although not explicitly designed for sparse-view settings, our framework generalizes remarkably well, competing favorably with even dedicated sparse-view methods while maintaining a superior accuracy-efficiency trade-off.
- Abstract（参考訳）: 深層学習に基づくMulti-View Stereo (MVS) は著しく進歩しているが、特に視野の重なりが限定された閉鎖された地域や地域では、見えないシーンにはあまり一般化しないことが多い。
これを軽減するため、最近のアプローチでは、DEM(Depth Foundation Models)をMVSパイプラインに統合し、モノラル深度を優先する。
しかし、既存の手法は一般に静的な片方向融合方式に依存しており、両者の相補的な強みを十分に活用できない。
本稿では,DFMとカスケードMVSパイプラインを双方向相互改善戦略により密結合することにより,この制限を克服する新しいフレームワークを提案する。
本手法は, 単分子予測におけるスケールのあいまいさを解消するために, MVS深度を利用するが, 単分子深度はMVS推定の構造的完全性や細かな細部を向上する。
さらに,注視型融合と離散化深度ビンによる多視点・単眼情報を効果的に統合し,局所的幾何整合性を促進する,事前誘導型コストボリューム改善機構を導入する。
大規模な実験により,本手法は標準ベンチマークにおける最先端のMVS手法よりも優れており,より完全で,よりシャープな境界を持つデプスマップが得られた。
さらに,スパース・ビュー・セッティングに特化して設計されていないが,優れた精度・効率のトレードオフを維持しつつ,専用のスパース・ビュー・メソッドと競合する点も極めて良好である。
関連論文リスト
- Weakly supervised multimodal segmentation of acoustic borehole images with depth-aware cross-attention [0.0]
学習モデルを用いて閾値誘導擬似ラベルを洗練する弱教師付きマルチモーダルセグメンテーションフレームワークを導入する。
しきい値誘導学習による改善が、生のしきい値よりも最も堅牢な改善をもたらすことを確認します。
最強のモデルである自信付き深度対応クロスアテンション(CG-DCA)は、しきい値ベース、画像のみ、および初期のマルチモーダルベースラインを一貫して上回る。
論文 参考訳（メタデータ） (2026-03-21T09:28:05Z) - Scale-invariant and View-relational Representation Learning for Full Surround Monocular Depth [21.216686704928474]
本稿では,基礎モデルから軽量FSMDEネットワークへ堅牢な深度知識を伝達する知識蒸留戦略を提案する。
提案手法は,実時間要求を満たすことで,性能と効率の良好なトレードオフを実現する。
論文 参考訳（メタデータ） (2025-12-09T15:17:20Z) - Depth AnyEvent: A Cross-Modal Distillation Paradigm for Event-Based Monocular Depth Estimation [47.90167568304715]
イベントカメラは、スパースで高時間解像度の視覚情報をキャプチャする。
深層深度アノテーションによる大規模データセットの欠如は、イベントデータから学習に基づく単眼深度推定を妨げている。
ビジョンファウンデーションモデル(VFM)を利用した高密度プロキシラベル生成のためのクロスモーダル蒸留パラダイムを提案する。
我々の戦略は、RGBフレームに空間的に整合したイベントストリーム、利用可能なオフザシェルフの簡単なセットアップ、大規模VFMの堅牢性を活用することが必要である。
論文 参考訳（メタデータ） (2025-09-18T17:59:51Z) - MonoMVSNet: Monocular Priors Guided Multi-View Stereo Network [15.138039805633353]
我々は,新しい単分子特徴と深度誘導型MVSネットワークであるMonoMVSNetを提案する。
MonoMVSNetはモノラル基礎モデルから強力な先行情報を多視点幾何学に統合する。
実験により、MonoMVSNetはDTUとTurps-and-Templesデータセット上で最先端のパフォーマンスを達成することが示された。
論文 参考訳（メタデータ） (2025-07-15T14:05:22Z) - Boosting Omnidirectional Stereo Matching with a Pre-trained Depth Foundation Model [70.67610495024459]
カメラベースの設定は、立体深度推定を用いて高解像度の高解像度深度マップを生成することで、コスト効率のよい選択肢を提供する。
既存の全方位ステレオマッチング手法は、様々な環境において限られた深度精度しか達成できない。
DFI-OmniStereoは, 大規模事前学習基礎モデルを用いて, 相対的な単眼深度推定を行う新しい全方位ステレオマッチング法である。
論文 参考訳（メタデータ） (2025-03-30T16:24:22Z) - Multi-view Reconstruction via SfM-guided Monocular Depth Estimation [92.89227629434316]
マルチビュー幾何再構成のための新しい手法を提案する。
深度推定プロセスに、より強力なマルチビューであるSfM情報を組み込む。
本手法は, 従来の単分子深度推定法と比較して, 深度推定の精度を著しく向上させる。
論文 参考訳（メタデータ） (2025-03-18T17:54:06Z) - MonSter++: Unified Stereo Matching, Multi-view Stereo, and Real-time Stereo with Monodepth Priors [52.39201779505421]
MonSter++は多視点深度推定の基礎モデルである。
多視点深度推定に単眼深度推定を組み込む。
MonSter++はステレオマッチングとマルチビューステレオの両方で新しい最先端を実現する。
論文 参考訳（メタデータ） (2025-01-15T08:11:24Z) - One at a Time: Progressive Multi-step Volumetric Probability Learning
for Reliable 3D Scene Perception [59.37727312705997]
本稿では,複雑な3次元ボリューム表現学習を生成段階の列に分解することを提案する。
強力な生成拡散モデルにより達成された最近の進歩を考えると、我々はVPDと呼ばれる多段階学習フレームワークを導入する。
SSCタスクでは、Semantic KITTIデータセット上でLiDARベースのメソッドを初めて越える作業として際立っている。
論文 参考訳（メタデータ） (2023-06-22T05:55:53Z) - Learning to Fuse Monocular and Multi-view Cues for Multi-frame Depth
Estimation in Dynamic Scenes [51.20150148066458]
一般化されたマスクを必要とせず,ボリュームとして符号化された多視点と単眼のキューを融合させる新しい手法を提案する。
実世界のデータセットを用いた実験は,提案手法の有効性と性能を実証する。
論文 参考訳（メタデータ） (2023-04-18T13:55:24Z) - Crafting Monocular Cues and Velocity Guidance for Self-Supervised
Multi-Frame Depth Learning [22.828829870704006]
自己監督単分子法は、弱いテクスチャ面や反射物体の深度情報を効率的に学習することができる。
対照的に、マルチフレーム深度推定法は、マルチビューステレオの成功により、深度精度を向上させる。
我々は,MOVEDepthを提案する。MOn Eye cues と VE ガイダンスを利用して,多フレーム深度学習を改善する。
論文 参考訳（メタデータ） (2022-08-19T06:32:06Z) - Improving Monocular Visual Odometry Using Learned Depth [84.05081552443693]
単眼深度推定を応用して視力計測(VO)を改善する枠組みを提案する。
我々のフレームワークの中核は、多様なシーンに対して強力な一般化能力を持つ単眼深度推定モジュールである。
現在の学習型VO法と比較して,本手法は多様なシーンに対してより強力な一般化能力を示す。
論文 参考訳（メタデータ） (2022-04-04T06:26:46Z)
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。