論文の概要: AnalogDepth: Multi-view Geometry from FPV drones under Analog Video Transmission

• arxiv url: http://arxiv.org/abs/2609.24312v1
• Date: Mon, 21 Sep 2026 09:12:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-22 20:29:01.231447
• Title: AnalogDepth: Multi-view Geometry from FPV drones under Analog Video Transmission
• Title（参考訳）: AnalogDepth: アナログ映像伝送時のFPVドローンからの多視点幾何学
• Abstract要約: DA3をローランド適応(LoRA)を用いたアナログFPV画像に適用する訓練パイプラインを提案する。 3つの屋内シーンで実際のFPV飛行シーケンスを6回実験したところ、我々のノイズバンクによるトレーニングは、フレームあたりのRMSEと3D再構成チャムファー距離を一貫して減少させることがわかった。
• 参考スコア（独自算出の注目度）: 2.5137859989323537
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Analog video transmission (VTX) remains widespread in FPV drones due to low latency, weight and low cost. However analog VTX suffers from complex spatially structured image degradation which differ fundamentally from digital image corruption (e.g. AWGN) used in standard training augmentation. This work shows that this type of noise severely degrades the accuracy of Depth Anything 3 (DA3), a state-of-the-art feed forward visual geometry foundation model. To address this gap, we present AnalogDepth, a parameter-efficient training pipeline that adapts DA3 to analog FPV imagery using student-teacher knowledge distillation with Low-Rank Adaptation (LoRA) injected into the DINOv2 backbone. Rather than synthesizing noise analytically, we build a noise bank from static FPV recordings under diverse conditions and compare real-noise injection against PSD-matched Gaussian synthesis and AWGN as baselines. Experiments on six real FPV flight sequences across three indoor scenes show that training with our noise bank consistently reduces per-frame depth RMSE and 3D reconstruction Chamfer distance compared to the pretrained DA3 baseline and both Gaussian noise variants. These results demonstrate that replicating the spatial structure of real analog transmission noise is critical for effective adaptation.
• Abstract（参考訳）: アナログビデオ伝送(VTX)は、低レイテンシ、重量、低コストのため、FPVドローンで広く使われている。 しかし、アナログVTXは、標準的なトレーニング強化に使われるデジタル画像劣化(例えばAWGN)と根本的に異なる複雑な空間構造画像劣化に悩まされる。 この研究は、このタイプのノイズが、最先端の視覚幾何学基礎モデルであるDepth Anything 3(DA3)の精度を著しく低下させることを示している。 このギャップに対処するために、DINOv2バックボーンに注入されたローランド適応(LoRA)を用いた学生-教師の知識蒸留を用いて、DA3をアナログFPV画像に適応させるパラメータ効率のトレーニングパイプラインであるAnalogDepthを提案する。 雑音を解析的に合成するのではなく,様々な条件下での静電FPV記録からノイズバンクを構築し,PSDに適合したガウス合成とAFGNをベースラインとして実雑音注入を比較した。 室内3つのシーンで実際のFPV飛行シーケンスを6回実験したところ、我々のノイズバンクを用いたトレーニングは、事前訓練されたDA3ベースラインと両ガウスノイズ変種と比較して、フレーム当たりのRMSEと3次元再構成距離を一貫して減少させることがわかった。 これらの結果から,実アナログ伝達雑音の空間構造を再現することが有効適応に不可欠であることが示唆された。

関連論文リスト

• Hydra-DP3: Frequency-Aware Right-Sizing of 3D Diffusion Policies for Visuomotor Control [2.661051697105248]
  拡散に基づくビジュモータポリシーは、ロボット操作においてよく機能する。 現在の手法は画像生成スタイルのデコーダとマルチステップサンプリングを継承している。 軽量拡散ミキサーデコーダを用いたポケットスケール3次元拡散方式Hydra-DP3(HDP3)を提案する。
  論文  参考訳（メタデータ） (2026-05-02T19:07:09Z)
• InJecteD: Analyzing Trajectories and Drift Dynamics in Denoising Diffusion Probabilistic Models for 2D Point Cloud Generation [48.55037712252843]
  InJecteDは拡散確率モデル(DDPM)を解釈するフレームワーク このフレームワークをDatasaurus Dozen bullseye, dino, circleの3つのデータセットに適用する。 提案手法は, 変位, 速度, クラスタリング, ドリフト場力学などの軌道特性を定量的に評価する。
  論文  参考訳（メタデータ） (2025-09-09T14:53:19Z)
• Implicit Spatiotemporal Bandwidth Enhancement Filter by Sine-activated Deep Learning Model for Fast 3D Photoacoustic Tomography [0.0]
  高周波半球トランスデューサを用いた3次元光音響トモグラフィ(3D-PAT)は、ほぼ一方向受信を提供する。 しかし、サンプリングレートが制限されたチャンネル数などの実用的な制約は、画像品質を低下させるスパースと帯域制限センサーをもたらすことが多い。 センサワイドPAラジオ周波数(PARF)データに直接適用した2次元ディープラーニング(DL)手法を再検討する。 具体的には、SPF信号のブロードバンド特性を復元するために、DLモデルにsine-activatedを導入します。
  論文  参考訳（メタデータ） (2025-07-28T07:16:32Z)
• UAVTwin: Neural Digital Twins for UAVs using Gaussian Splatting [57.63613048492219]
  UAVTwinは,無人航空機(UAV)に埋め込まれた下流モデルの訓練を行うための,実環境からデジタル双生児を作成する方法である。 これは、背景を再構築するための3Dガウススティング(3DGS)と、多様な外観と動作を複数のポーズで表示する制御可能な合成人間モデルを統合することで実現される。
  論文  参考訳（メタデータ） (2025-04-02T22:17:30Z)
• SGD: Street View Synthesis with Gaussian Splatting and Diffusion Prior [53.52396082006044]
  現在の手法では、トレーニングの観点から大きく逸脱する観点で、レンダリングの品質を維持するのに苦労しています。 この問題は、移動中の車両の固定カメラが捉えた、まばらなトレーニングビューに起因している。 そこで本研究では,拡散モデルを用いて3DGSのキャパシティを向上させる手法を提案する。
  論文  参考訳（メタデータ） (2024-03-29T09:20:29Z)
• CVT-xRF: Contrastive In-Voxel Transformer for 3D Consistent Radiance Fields from Sparse Inputs [65.80187860906115]
  スパース入力によるNeRFの性能向上のための新しい手法を提案する。 まず, サンプル線が, 3次元空間内の特定のボクセルと交差することを保証するために, ボクセルを用いた放射線サンプリング戦略を採用する。 次に、ボクセル内の追加点をランダムにサンプリングし、トランスフォーマーを適用して各線上の他の点の特性を推測し、ボリュームレンダリングに組み込む。
  論文  参考訳（メタデータ） (2024-03-25T15:56:17Z)
• F3-Pruning: A Training-Free and Generalized Pruning Strategy towards Faster and Finer Text-to-Video Synthesis [94.10861578387443]
  変圧器と拡散モデルを用いた2つの主流T2Vモデルの推論過程について検討する。 本稿では、時間的余分な注意重みを突破するF3プルーニングと呼ばれるトレーニングフリーで一般化されたプルーニング戦略を提案する。 古典的なトランスフォーマーベースモデルCogVideoと典型的な拡散ベースモデルTune-A-Videoを用いた3つのデータセットの大規模な実験により、F3-Pruningの有効性が検証された。
  論文  参考訳（メタデータ） (2023-12-06T12:34:47Z)
• StableDreamer: Taming Noisy Score Distillation Sampling for Text-to-3D [88.66678730537777]
  本稿では3つの進歩を取り入れた方法論であるStableDreamerを紹介する。 まず、SDS生成前の等価性と、簡単な教師付きL2再構成損失を定式化する。 第2に,画像空間拡散は幾何学的精度に寄与するが,色調の鮮明化には潜時空間拡散が不可欠であることを示す。
  論文  参考訳（メタデータ） (2023-12-02T02:27:58Z)

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。