論文の概要: CMAMBADEPTH: Self-supervised Monocular Depth Estimation with Channel Mamba and Hybrid Attention

• arxiv url: http://arxiv.org/abs/2609.24494v1
• Date: Mon, 21 Sep 2026 12:31:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-22 20:29:01.284018
• Title: CMAMBADEPTH: Self-supervised Monocular Depth Estimation with Channel Mamba and Hybrid Attention
• Title（参考訳）: CMAMBADEPTH:チャネルマンバとハイブリッドアテンションを用いた自己教師型単眼深度推定
• Abstract要約: CMambaDepthは、効率的なマルチスケール機能融合ときめ細かいコンテキストモデリングを実現する、自己教師型フレームワークである。 KITTIでは0.094のAbsRelと4.156のRMSE、DDADでは0.140のAbsRelが得られる。
• 参考スコア（独自算出の注目度）: 9.995443907156341
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate monocular depth estimation serves as a core enabler for single camera scene understanding. However, existing self-supervised monocular depth estimation methods generally suffer from the bottleneck of inefficient cross-scale information interaction and difficulty in balancing local and global spatial modeling. In this paper, we propose CMambaDepth, a self-supervised framework that achieves efficient multi-scale feature fusion and fine-grained contextual modeling via channel-wise selective state propagation. Specifically, Bidirectional Channel Mamba (Bi-CMamba) aligns encoder features across scales and enables bidirectional information exchange among ordered scale groups. Unidirectional Channel Mamba (Uni-CMamba) progressively aggregates decoder features and retains fine-grained scale groups through a group selection mechanism for subsequent fusion. Furthermore, a Hybrid Attention Module (HAM) is introduced to combine large-kernel local context and Manhattan self-attention for complementary spatial modeling. Experimental results demonstrate that our method achieves highly competitive performance. Specifically, our model achieves an AbsRel of 0.094 and an RMSE of 4.156 on KITTI, and an AbsRel of 0.140 on DDAD. In the zero-shot cross-dataset generalization test on NYUv2, it attains an AbsRel of 0.232, outperforming the baseline RA-Depth by 7.2%.
• Abstract（参考訳）: 正確な単眼深度推定は、単一カメラシーン理解のコアイネーバとして機能する。 しかし,既存の自己監督型単眼深度推定法は,非効率なクロススケール情報相互作用のボトルネックと,局所的・大域的空間モデリングのバランスの困難に悩まされることが多い。 本稿では,チャネルワイズ選択状態伝搬によるマルチスケール機能融合ときめ細かいコンテキストモデリングを実現する自己教師型フレームワークCMambaDepthを提案する。 具体的には,双方向チャネル・マンバ(Bidirectional Channel Mamba, Bi-CMamba, Bidirectional Channel Mamba, Bidirectional Channel Mamba, Bidirectional Channel Mamba, Bidirectional Channel Mamba, Bidirectional Channel Mamba, Bidirectional Channel Mamba, Bidirectional Channel Mamba, Bidirectional Channel Mamba)は,エンコーダの特徴をスケールにわたって整列させ,双方向情報交換を可能にする。 一方向チャネルマンバ (Uni-CMamba) はデコーダの特徴を徐々に集約し、その後の融合のためのグループ選択機構を通じて微細なスケール群を保持する。 さらに,Hybrid Attention Module (HAM)を導入し,大規模カーネルのローカルコンテキストとマンハッタンの自己注意を相補的な空間モデルに組み合わせた。 実験により,本手法は高い競争性能を示すことが示された。 具体的には,KITTIで0.094のAbsRelとRMSEで4.156のAbsRel,DDADで0.140のAbsRelを実現した。 NYUv2のゼロショットクロスデータセット一般化テストでは、AbsRelが0.232に達し、RA-Depthを7.2%上回る。

関連論文リスト

• U-PEN Mamba: Progressive Expansion with Selective State-Space Modeling for Efficient Retinal Vessel Segmentation [9.373474565727786]
  U-PEN Mambaは、プログレッシブ非線形特徴展開と選択的状態空間モデリングを結合したU字型網膜血管セグメンテーションアーキテクチャである。 パッチベースの前処理パイプラインを用いて,CHASE DB1およびDRIVE上でのU-PEN Mambaの評価を行った。
  論文  参考訳（メタデータ） (2026-09-21T03:20:33Z)
• LLM-Empowered Multimodal Fusion Framework for Autonomous Driving: Semantic Enhancement and Channel-Adaptive Design [56.76240343283953]
  本稿では,大規模言語モデル中心のセマンティック・レイヤ・チャネル・アウェア・インテグレート・パーセプション・フレームワークを提案する。 ローカルな視覚ストリームと、知覚盲点をカバーするために使用される品質の変化した外部レーダーストリームを融合させる。 nuScenesとVIRATの実験は、我々のアプローチを検証する。
  論文  参考訳（メタデータ） (2026-07-02T06:44:02Z)
• MambaDSF: Multi-Scale SSM with Dilated Feature Fusion for Sonar Small Target Detection [8.504127970224703]
  小さいターゲットは、画素のカバー不足、音響コントラストの低さ、画像範囲のあいまいさのため、検出が難しいままである。 この手紙は、これらの制限に対処するハイブリッドフレームワークであるMamba Dilated-Scale Fusion (MambaDSF)を提案する。 MambaDSFはUATDの前向きソナーのベンチマークで91.5%のmAP50を達成し、28.7百万のパラメータを持つ。
  論文  参考訳（メタデータ） (2026-05-24T08:14:19Z)
• Axial-Relation Guided Fusion State Space Model for Optical-Elevation Sensing Image Segmentation [44.46453475313092]
  Axial-Relation Guided Fusion Mambaは、リモートセンシング画像セグメンテーションのための状態空間モデルに基づくフレームワークである。 Axial-Relation Guided Fusion Moduleは、水平軸と垂直軸に沿ったグローバルな相互関係を明示的にモデル化するように設計されている。 我々のARG-Mambaは、良好な計算効率を維持しながら、常に最先端の手法より優れています。
  論文  参考訳（メタデータ） (2026-05-16T02:42:54Z)
• DiffusionDriveV2: Reinforcement Learning-Constrained Truncated Diffusion Modeling in End-to-End Autonomous Driving [65.7087560656003]
  エンドツーエンドの自動運転のための生成拡散モデルは、しばしばモード崩壊に悩まされる。 強化学習を利用して低品質モードを制約し,優れた軌道探索を行うDiffusionDriveV2を提案する。 これにより、そのコアであるガウス混合モデル固有の多重モード性を維持しながら、全体的な出力品質が大幅に向上する。
  論文  参考訳（メタデータ） (2025-12-08T17:29:52Z)
• SAMamba: Adaptive State Space Modeling with Hierarchical Vision for Infrared Small Target Detection [12.964308630328688]
  赤外線小目標検出(ISTD)は、軍事・海上・早期警戒用途における長距離監視に不可欠である。 ISTDは画像の0.15%未満のターゲットと複雑な背景との識別性が低いターゲットによって挑戦されている。 本稿では,SAM2の階層的特徴学習とMambaの選択的シーケンスモデリングを統合した新しいフレームワークSAMambaを提案する。
  論文  参考訳（メタデータ） (2025-05-29T07:55:23Z)
• SAMba-UNet: SAM2-Mamba UNet for Cardiac MRI in Medical Robotic Perception [34.79269228659671]
  自動心臓MRI領域における病理的特徴抽出のための新しいデュアルエンコーダアーキテクチャSAMba-UNetを提案する。 SAMba-UNet は 0.9103 と HD95 の 1.0859 mm を達成し、特に右心室のような挑戦的な構造のために境界の局在を改善した。 その頑丈で高忠実なセグメンテーションマップは、インテリジェントな医療・外科ロボットシステムにおける知覚モジュールとして直接適用できる。
  論文  参考訳（メタデータ） (2025-05-22T06:57:03Z)
• VRS-UIE: Value-Driven Reordering Scanning for Underwater Image Enhancement [104.78586859995333]
  状態空間モデル(SSM)は、線形複雑性と大域的受容場のために、視覚タスクの有望なバックボーンとして登場した。 大型で均質だが無意味な海洋背景の優位性は、希少で価値ある標的の特徴表現応答を希薄にすることができる。 水中画像強調(UIE)のための新しい値駆動リダクションスキャンフレームワークを提案する。 本フレームワークは, 水バイアスを効果的に抑制し, 構造や色彩の忠実さを保ち, 優れた向上性能(WMambaを平均0.89dB超える)を実現する。
  論文  参考訳（メタデータ） (2025-05-02T12:21:44Z)
• GroupMamba: Efficient Group-Based Visual State Space Model [66.35608254724566]
  状態空間モデル(SSM)は、最近、四次計算の複雑さで長距離依存を捉えることを約束している。 しかし、純粋にSSMベースのモデルは、コンピュータビジョンタスクにおける安定性と最先端の性能を達成するために重要な課題に直面している。 本稿では,コンピュータビジョンのためのSSMベースのモデルをスケールする上での課題,特に大規模モデルの不安定性と非効率性について論じる。
  論文  参考訳（メタデータ） (2024-07-18T17:59:58Z)
• DepthFormer: Exploiting Long-Range Correlation and Local Information for Accurate Monocular Depth Estimation [50.08080424613603]
  高精度な単分子深度推定には長距離相関が不可欠である。 我々は,このグローバルコンテキストを効果的な注意機構でモデル化するためにTransformerを活用することを提案する。 提案したモデルであるDepthFormerは、最先端のモノクル深度推定手法をはるかに超えている。
  論文  参考訳（メタデータ） (2022-03-27T05:03:56Z)

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。