論文の概要: EpiTransfer: Sparse, Training-Free Long-Range Depth Estimation from Temporal Monocular Aerial Frames

• arxiv url: http://arxiv.org/abs/2609.33939v1
• Date: Sun, 27 Sep 2026 21:30:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-04 08:27:15.659037
• Title: EpiTransfer: Sparse, Training-Free Long-Range Depth Estimation from Temporal Monocular Aerial Frames
• Title（参考訳）: EpiTransfer: 経時的単眼動脈フレームからのスパース・トレーニングフリーロングレンジ深さ推定
• Abstract要約: 本稿では,2つの単眼画像とカメラポーズ推定のみを用いて,エピポーラ移動を用いた幾何学的に導出された訓練不要深度推定手法を提案する。 この方法は、LiDARの地上真実に対して、屋外ドローン飛行や屋内OptiTrack環境にまたがって検証されている。 ZoeDepth (AbsRel 0.225) や Depth Anything V2 (AbsRel 0.570) のような既製の学習ベースラインは、この領域でトレーニングや微調整が行われていない。
• 参考スコア（独自算出の注目度）: 1.0205331991352329
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reliable 3D spatial understanding is essential for autonomous navigation, obstacle avoidance, and scene reconstruction. While state-of-the-art learned depth estimation techniques achieve high accuracy in-distribution, they often generalize poorly to novel viewpoints and altitudes. This paper presents a geometrically derived, training-free depth estimation method using epipolar transfer with only two monocular images and camera pose estimates. By leveraging camera motion to synthesize a virtual stereo pair with a freely chosen baseline, our approach transforms temporal correspondence into a stereo triangulation task while mitigating geometric degeneracies inherent to direct two-view triangulation. Validated across outdoor drone flights (to a maximum range of approximately 90\,m) and indoor OptiTrack environments against LiDAR ground truth, the method achieves an indoor AbsRel of 0.092 and $δ< 1.25$ of 0.940, comparable to direct triangulation (AbsRel 0.073) while retaining valid depth over a larger fraction of challenging scenes, and substantially outperforms off-the-shelf learning-based baselines such as ZoeDepth (AbsRel 0.225) and Depth Anything V2 (AbsRel 0.570), which are not trained or fine-tuned for this domain, with no training data required.
• Abstract（参考訳）: 自律ナビゲーション、障害物回避、シーン再構築には、信頼性の高い3次元空間理解が不可欠である。 最先端の学習深度推定技術は、分布の精度が高いが、しばしば新しい視点や高度に乏しく一般化する。 本稿では,2つの単眼画像とカメラポーズ推定のみを用いて,エピポーラ移動を用いた幾何学的に導出された訓練不要深度推定手法を提案する。 カメラの動きを利用して、自由選択されたベースラインで仮想ステレオペアを合成することにより、時間的対応をステレオ三角法に変換し、直接2次元三角法に固有の幾何学的退化を緩和する。 LiDARの地上真実に対する屋外ドローン飛行(最大範囲約90\,m)と屋内のOptiTrack環境に対して検証されたこの方法は、直接三角測量(AbsRel 0.073)に匹敵する0.092および$δ<1.25$ of 0.940の屋内AbsRelを達成し、困難なシーンの大きな部分に対して有効な深さを保持し、ZoeDepth(AbsRel 0.225)やDepth Anything V2(AbsRel 0.570)といった、この領域で訓練されていない、あるいは微調整されていない学習ベースラインを大幅に上回る。

関連論文リスト

• Time-to-Collision Based Dynamic Obstacle Avoidance Using Pretrained Vision Models for Robots in Unstructured Environments [12.499778437707759]
  実世界のデータに完全に依存する視覚に基づく動的障害物回避手法を提案する。 提案手法はシミュレーション訓練されたポリシーに固有のシム・トゥ・リアル・トランスファー問題を回避する。 テストシーケンスに存在する22種類の物理的障害のうち、少なくとも1フレームのTCCを1秒未満で検出する。
  論文  参考訳（メタデータ） (2026-07-08T19:41:19Z)
• ZeD-MAP: Bundle Adjustment Guided Zero-Shot Depth Maps for Real-Time Aerial Imaging [1.9247157750972368]
  ZeD-MAPは、テスト時間拡散深さモデルをメトリック一貫性のあるSLAMのようなマッピングパイプラインに変換する、クラスタレベルのフレームワークである。 本手法は,水平(XY)平面で約0.87m,垂直(Z)方向で約0.12mの誤差で,サブメーター精度を実現する。 結果は手動のポイントクラウドアノテーションから小さなノイズを受けます。
  論文  参考訳（メタデータ） (2026-04-06T13:21:17Z)
• Seurat: From Moving Points to Depth [66.65189052568209]
  本研究では,2次元軌跡の空間的関係と時間的変化を調べ,相対的な深度を推定する手法を提案する。 提案手法は,様々な領域にわたる時間的スムーズかつ高精度な深度予測を実現する。
  論文  参考訳（メタデータ） (2025-04-20T17:37:02Z)
• 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)
• Helvipad: A Real-World Dataset for Omnidirectional Stereo Depth Estimation [83.841877607646]
  全方位ステレオ深度推定のための実世界のデータセットであるHelvipadを紹介する。 このデータセットは、3Dポイント雲を等方形画像に投影することで、正確な深度と不均質のラベルを含む。 標準画像と全方位画像のステレオ深度推定モデルをベンチマークする。
  論文  参考訳（メタデータ） (2024-11-27T13:34:41Z)

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。