論文の概要: RealOOB: A Definition-Consistent Real-World Oriented Occlusion Boundary Benchmark

• arxiv url: http://arxiv.org/abs/2608.30820v1
• Date: Mon, 31 Aug 2026 14:01:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-01 18:31:31.429423
• Title: RealOOB: A Definition-Consistent Real-World Oriented Occlusion Boundary Benchmark
• Title（参考訳）: RealOOB: 定義に一貫性のある実世界指向のOcclusion境界ベンチマーク
• Authors: Lintao Xu, Yinghao Wang, Chenchu Rong, Xuchong Qiu, Chaohui Wang,
• Abstract要約: 既存のベンチマークは、限定的なカバレッジ、カテゴリ固有の設計、自己排他的アノテーションの欠如、一貫性のないアノテーション定義に悩まされている。 我々はRealOOBを紹介した。RealOOBは4.26M定義に一貫性のある幾何基底を持つOBラベルを持つ、注意深く注釈付けされた実世界のベンチマークである。 RealOOBに基づいて、6つの単分子深度推定器とともに40個のOB推定器とエッジ検出器を評価した。
• 参考スコア（独自算出の注目度）: 4.058440233674106
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Occlusion boundaries (OBs) are pixel-level image boundaries corresponding to surface visibility discontinuities caused by occlusion. Through precise boundary localisation and occlusion orientation, OBs encode local surface layout and depth ordering, providing geometry-driven mid-level cues for scene understanding. However, progress in pixel-level OB estimation has been limited by fragmented supervision: Existing benchmarks often suffer from limited coverage, category-specific designs, missing self-occlusion annotations, or inconsistent annotation definitions. Meanwhile, modern edge detectors and monocular depth estimators have become strong boundary and geometry predictors, yet their relationship to definition-consistent OBs remains underexplored. We introduce RealOOB, a carefully annotated real-world benchmark with 4.26M definition-consistent, geometry-grounded OB labels covering both inter-object and self-occlusion boundaries, together with validity-aware occlusion-orientation maps that restrict supervision to pixels whose cross-boundary depth ordering is reliably measurable. Based on RealOOB, we evaluate forty OB estimators and edge detectors alongside six monocular depth estimators. Our evaluation reveals a clear gap in occlusion reasoning: modern edge detectors perform competitively with OB methods in localisation, whereas orientation prediction remains challenging for all evaluated methods. Meanwhile, even strong depth estimators often fail to exhibit measurable geometry at true OBs. We believe RealOOB provides a strong reference benchmark for the OB estimation community and a real-world testbed for assessing depth discontinuities and geometry fidelity in broader low-level vision tasks. Dataset and code will be released.
• Abstract（参考訳）: 閉塞境界(OBs)は、閉塞によって生じる表面視界の不連続に対応する画素レベルの画像境界である。 OBは、正確な境界の局所化とオクルージョン配向により、局所的な表面のレイアウトと深度順序を符号化し、シーン理解のための幾何学駆動の中間レベルキューを提供する。 しかし、ピクセルレベルのOB推定の進歩は、断片化された監督によって制限されている: 既存のベンチマークは、カバー範囲の制限、カテゴリ固有の設計、自己排他的アノテーションの欠如、一貫性のないアノテーション定義に悩まされることが多い。 一方、現代のエッジ検出器と単分子深度推定器は強い境界線と幾何予測器となっているが、定義に一貫性のあるOBとの関係は未解明のままである。 我々は4.26M定義に一貫性のある幾何グラウンドのOBラベルを持つ注意深く注釈付けされた実世界のベンチマークであるRealOOBと、クロスバウンダリの深度順序が確実に測定可能な画素の監督を制限する妥当性を意識したオクルージョン・オリエンテーション・マップを紹介する。 RealOOBに基づいて、6つの単分子深度推定器とともに40個のOB推定器とエッジ検出器を評価した。 現代のエッジ検出器は、ローカライゼーションにおいてOB法と競合して動作し、一方、すべての評価手法では方向予測が困難である。 一方、強い深さ推定器でさえ、真のOBで測定可能な幾何を示さないことが多い。 我々は、RealOOBがOB推定コミュニティのための強力な基準ベンチマークと、より広い低レベル視覚タスクにおける深度不連続性と幾何学的忠実度を評価する実世界テストベッドを提供すると考えている。 データセットとコードがリリースされる。

関連論文リスト

• AnchorD: Metric Grounding of Monocular Depth Using Factor Graphs [16.622717763906262]
  現在利用可能な深度センサーは、透明、スペクトル、一般のランベルト面の誤差を生じやすい。 本研究では,深度基礎モデルから単分子深度推定の先行値をアンカーする学習自由深度接地フレームワークを提案する。 本手法はパッチワイドアフィンアライメントを行い,実世界深度で局所的に単分子予測を行う。
  論文  参考訳（メタデータ） (2026-05-04T14:48:52Z)
• DepthArb: Training-Free Depth-Arbitrated Generation for Occlusion-Robust Image Synthesis [21.345962204165932]
  DepthArbは,対話対象間の注意競合を和らげることで,オクルージョンの曖昧さを解消する学習自由フレームワークである。 DepthArbは、閉塞精度と視覚的忠実度の両方を合成することにより、最先端のベースラインを一貫して上回ることを示す。 プラグアンドプレイ法として、DepthArbは拡散バックボーンの構成能力をシームレスに強化する。
  論文  参考訳（メタデータ） (2026-03-25T04:28:17Z)
• Occlusion Boundary and Depth: Mutual Enhancement via Multi-Task Learning [3.4174356345935393]
  単一画像から深度とOBを共同で推定する手法であるMoDOTを提案する。 MoDOTにはCASMという新しいモジュールが組み込まれている。これは、クロスアテンションとマルチスケールストリップの畳み込みを組み合わせて、中レベルのOB機能を活用する。 実験では、深度とOBを相互に推定し、MoDOTの設計の有効性を検証する。
  論文  参考訳（メタデータ） (2025-05-27T14:15:19Z)
• BoxDreamer: Dreaming Box Corners for Generalizable Object Pose Estimation [81.24160191975781]
  本稿では、スパースビュー設定における課題に対処するために、オブジェクトポーズ推定のための汎用RGBベースのアプローチを提案する。 これらの制約を克服するために、オブジェクトのポーズの中間表現としてオブジェクト境界ボックスのコーナーポイントを導入する。 3Dオブジェクトコーナーはスパース入力ビューから確実に復元でき、対象ビューの2Dコーナーポイントは、新しい参照ベースポイントデータセットによって推定される。
  論文  参考訳（メタデータ） (2025-04-10T17:58:35Z)
• Mind The Edge: Refining Depth Edges in Sparsely-Supervised Monocular Depth Estimation [42.19770683222846]
  単眼深度推定(MDE)はコンピュータビジョンの基本的な問題であり、多くの応用がある。 本稿では,密集した合成データから深度エッジの位置を検出することを提案する。 いくつかの挑戦的データセットに対して,画素ごとの深度精度を比較検討することにより,深度エッジの精度が著しく向上したことを示す。
  論文  参考訳（メタデータ） (2022-12-10T14:49:24Z)
• Synthesize Boundaries: A Boundary-aware Self-consistent Framework for Weakly Supervised Salient Object Detection [8.951168425295378]
  設計した合成画像とラベルから正確な境界を学習することを提案する。 合成画像は、塩物の実凹部を模擬する合成凹部を挿入することにより境界情報を生成する。 また,グローバル積分分枝 (GIB) と境界認識分枝 (BAB) から構成される新たな自己整合性フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-12-04T08:22:45Z)
• OPA-3D: Occlusion-Aware Pixel-Wise Aggregation for Monocular 3D Object Detection [51.153003057515754]
  OPA-3Dは、Occlusion-Aware Pixel-Wise Aggregationネットワークである。 密集した風景深度と、奥行きのある箱残量と物の境界箱を共同で推定する。 メインカーのカテゴリーでは最先端の手法よりも優れています。
  論文  参考訳（メタデータ） (2022-11-02T14:19:13Z)
• Adaptive confidence thresholding for monocular depth estimation [83.06265443599521]
  本稿では,自己教師付ステレオマッチング法から生成されたステレオ画像の擬似地上真実深度マップを利用する新しい手法を提案する。 擬似地底深度マップの信頼度マップを推定し、不正確な擬似地底深度マップによる性能劣化を緩和する。 実験結果から, 最先端の単分子深度推定法よりも優れた性能を示した。
  論文  参考訳（メタデータ） (2020-09-27T13:26:16Z)
• Occlusion-Aware Depth Estimation with Adaptive Normal Constraints [85.44842683936471]
  カラービデオから多フレーム深度を推定する新しい学習手法を提案する。 本手法は深度推定精度において最先端の手法より優れる。
  論文  参考訳（メタデータ） (2020-04-02T07:10:45Z)

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。