論文の概要: Reliable iToF Depth Sensing via Sensor-Intrinsic Uncertainty Modeling and State-Space Restoration

• arxiv url: http://arxiv.org/abs/2609.05507v1
• Date: Sat, 29 Aug 2026 09:19:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-22 13:49:23.141464
• Title: Reliable iToF Depth Sensing via Sensor-Intrinsic Uncertainty Modeling and State-Space Restoration
• Title（参考訳）: センサ固有の不確実性モデリングと状態空間復元による信頼性の高いiToF深度センシング
• Abstract要約: 信頼度の高いiToFセンシングのための統合深度不確実性モデリングと復元フレームワークを提案する。 センサ固有の深度不確実性モデルが最初に開発されたのは、キャリブレーションされたタップ応答、戻り信号レベル、センサノイズ統計量である。 結果として生じる画素ワイド不確実性は、ヘテロセダスティック深度合成と不確実性認識回復監視に使用される。
• 参考スコア（独自算出の注目度）: 33.23168652894367
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Indirect time-of-flight (iToF) cameras provide compact and cost-effective dense depth measurements, but their ranging accuracy is often degraded by sensor-intrinsic uncertainty under practical imaging conditions. Spatially uniform or range-only Gaussian perturbations cannot accurately reproduce the range-dependent and signal-dependent noise characteristics of real iToF measurements, leading to a synthetic-to-real gap for learning-based restoration. To address this problem, we propose a joint depth-uncertainty modeling and restoration framework for reliable iToF sensing. A sensor-intrinsic depth-uncertainty model is first developed from calibrated tap responses, returned-signal levels, and sensor noise statistics through a depth-oriented weighted least-squares formulation. The resulting pixel-wise uncertainty is used for heteroscedastic depth synthesis and uncertainty-aware restoration supervision. Based on this heteroscedastic data synthesis, we further develop a U-shaped restoration network with Depth Visual State Space (DVSS) blocks, which combine long-range state-space modeling with convolutional spatial-channel refinement for structure-preserving depth recovery. Experiments on synthetic data and measurements captured by an in-house iToF prototype validate the proposed uncertainty model under varying range and returned-signal conditions. Controlled comparisons with fixed and range-aware Gaussian noise, together with evaluations on U-Net, Restormer, and DVSS, further demonstrate that the proposed synthesis consistently benefits different restoration backbones. The complete framework achieves 40.85~dB PSNR and 2.54 mm MAE on the synthetic test set, and 35.42 dB PSNR and 4.87 mm MAE on real iToF measurements.
• Abstract（参考訳）: 間接飛行時間(iToF)カメラはコンパクトで費用対効果の高い高密度深度測定を提供するが、実際の撮像条件下ではセンサー固有の不確実性によって精度が劣化することがしばしばある。 空間的に均一あるいは範囲のみのガウス摂動は、実際のiToF測定のレンジ依存性および信号依存性のノイズ特性を正確に再現することができず、学習ベースの復元のための合成から現実のギャップをもたらす。 この問題に対処するために,信頼性の高いiToFセンシングのための統合深度不確実性モデリングと復元フレームワークを提案する。 センサ固有の深度不確実性モデルが最初に開発されたのは、深さ指向の重み付け最小二乗法により、キャリブレーションされたタップ応答、戻り信号レベル、およびセンサノイズ統計である。 結果として生じる画素ワイド不確実性は、ヘテロセダスティック深度合成と不確実性認識回復監視に使用される。 このヘテロスセダスティックなデータ合成に基づいて、構造保存深度回復のための長距離状態空間モデリングと畳み込み空間チャネル改良を組み合わせた、深度視覚状態空間(DVSS)ブロックを備えたU字型復元ネットワークをさらに発展させる。 室内のiToF試作機で得られた合成データおよび測定実験により、提案した不確実性モデルが様々な範囲および返却信号条件下で検証された。 U-Net、Restormer、DVSSの評価とともに、固定および範囲を意識したガウスノイズとの制御された比較により、提案した合成が一貫して異なる復元バックボーンの利点を享受できることが証明された。 完全なフレームワークは、合成テストセットで40.85〜dB PSNRと2.54mm MAE、実際のiToF測定で35.42dB PSNRと4.87mm MAEを達成する。

関連論文リスト

• Null-Space Diffusion Restoration with Adaptive Uncertainty-Guided Fusion for Ultrasound Speckle Reduction [2.081691729410268]
  超音波Bモードイメージングは通常、スペックルノイズやアーティファクトに悩まされる。 新しい不確実性誘導型ヌル空間拡散(UGNS)フレームワークは、安定化された正エンベローププロキシ上での整合性を強制する。 UGNSは細かな空間分解能を保ちながらスペックルノイズを効果的に抑制することが検証された。
  論文  参考訳（メタデータ） (2026-08-30T14:45:13Z)
• The impact of observation density on Bayesian inversion of latent dynamics in shock-dominated flows [0.6008132390640294]
  スパースおよびノイズ測定による衝撃支配圧縮性流れの未知の初期状態の推測は、困難な逆問題である。 本研究では,不確実性を伴うベイズ初期状態の効率的なインバージョンのための非侵襲的低次モデリングフレームワークを開発する。
  論文  参考訳（メタデータ） (2026-05-18T20:05:52Z)
• Stabilizing Diffusion Posterior Sampling by Noise--Frequency Continuation [52.736416985173776]
  高雑音下では、不正確な推定から計算されたデータ一貫性勾配は、後部幾何学と幾何的に一致しない。 本稿では、雑音依存周波数帯域内でのみ測定一貫性を強制する中間部分の連続的なファミリを構成するノイズ周波数継続フレームワークを提案する。 提案手法は最先端性能を実現し,強いベースライン上で最大5dBのPSNRの動作劣化を改善する。
  論文  参考訳（メタデータ） (2026-01-30T03:14:01Z)
• DEPTHOR++: Robust Depth Enhancement from a Real-World Lightweight dToF and RGB Guidance [14.818201604060144]
  DEPTHOR++は実用的で斬新な深度補完フレームワークである。 3つの重要な側面からのdToF入力に頑健さを増す。 ZJU-L5データセットと実世界のサンプルに基づいて、トレーニング戦略は既存の深度補完モデルを大幅に強化する。
  論文  参考訳（メタデータ） (2025-09-30T16:41:11Z)
• Towards Robust Time-of-Flight Depth Denoising with Confidence-Aware Diffusion Model [7.099483760246544]
  タイム・オブ・フライ(ToF)センサーはシーンの深度を効率よく捉えるが、非線形の深度構築手順は、しばしば非常に大きなノイズ分散や、さらには無効な領域をもたらす。 ディープニューラルネットワーク(DNN)に基づく最近の手法は、ToFデノナイジング精度の向上を実現しているが、ノイズの深刻な破損に悩まされる傾向にある。 安定拡散における豊富な事前知識を活用することで,グローバルな構造的滑らかさを保証する新しいToFデノベーション手法であるDepthCADを提案する。
  論文  参考訳（メタデータ） (2025-03-25T08:39:14Z)
• Theoretical Insights in Model Inversion Robustness and Conditional Entropy Maximization for Collaborative Inference Systems [89.35169042718739]
  協調推論により、クラウドサーバに機密データを公開することなく、エンドユーザは強力なディープラーニングモデルを活用することができる。 近年の研究では、これらの中間機能は、情報が漏洩し、生データをモデル反転攻撃(MIA)によって再構築できるため、プライバシーを十分に保持できないことが判明している。 この研究はまず、与えられた中間特徴の入力の条件エントロピーが、任意のMIAの下での再構成平均二乗誤差(MSE)の保証された下界を与えることを理論的に証明する。 そして、ガウス混合推定に基づいて、この条件付きエントロピーを有界化するための微分可能かつ可解な尺度を導出し、逆ロバスト性を高める条件付きエントロピーアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-03-01T07:15:21Z)
• ACE-Net: AutofoCus-Enhanced Convolutional Network for Field Imperfection Estimation with application to high b-value spiral Diffusion MRI [2.913594619942038]
  B0-不均一性や拡散符号化誘起渦電流からの時空間磁場の変動は、スパイラル、EPI、3Dコーンのような高速な画像符号化スキームに有害である。 本研究では,これらのフィールド不完全性を自動的に推定するためのデータ駆動手法を,オートフォーカスメトリクスとディープラーニングを組み合わせることによって開発する。 B0, eddyの正確な推定値が得られる高b値での単発スパイラル拡散MRIに適用し, 外部校正を必要とせずに高画質の画像再構成を行った。
  論文  参考訳（メタデータ） (2024-11-21T23:20:14Z)
• Digging into contrastive learning for robust depth estimation with diffusion models [55.62276027922499]
  そこで我々はD4RDと呼ばれる新しい頑健な深度推定法を提案する。 複雑な環境での性能劣化を軽減するために、拡散モデルに適した独自のコントラスト学習モードを備えている。 実験では、D4RDは合成汚職データセットや現実世界の気象条件に関する最先端のソリューションを超越している。
  論文  参考訳（メタデータ） (2024-04-15T14:29:47Z)
• Robust Depth Completion with Uncertainty-Driven Loss Functions [60.9237639890582]
  本研究では,不確実性による損失関数を導入し,深度補修の堅牢性を改善し,深度補修の不確実性に対処する。 提案手法は,KITTI深度評価ベンチマークでテストされ,MAE, IMAE, IRMSEの計測値を用いて最先端のロバスト性性能を達成した。
  論文  参考訳（メタデータ） (2021-12-15T05:22:34Z)

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。