論文の概要: Decoupling Spherical Reasoning from Dense Prediction for 360 Depth Estimation

• arxiv url: http://arxiv.org/abs/2609.38856v1
• Date: Wed, 30 Sep 2026 03:14:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 18:57:27.06904
• Title: Decoupling Spherical Reasoning from Dense Prediction for 360 Depth Estimation
• Title（参考訳）: 360度深度推定のための高密度予測からの球面推論の分離
• Abstract要約: 等角射影(ERP)はパノラマ深度推定に広く用いられているが、空間的に異なる歪みは、幾何学的に一貫性のある特徴モデリングを困難にしている。 球面上の準均一なフィボナッチノード上にERP特徴を持ち上げる中間推論空間として、フィボナッチ球面グラフ(FSG)を提案する。 結果として得られる球面の離散化は、グラフノードをほぼ一様に球面上に分散させ、関係モデリングにおいて高度に拡張された領域の過剰表現を低減する。
• 参考スコア（独自算出の注目度）: 77.21153373542886
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The equirectangular projection (ERP) is widely used for panoramic depth estimation, but its spatially varying distortion makes geometry-consistent feature modeling challenging. We revisit panoramic depth estimation by decoupling contextual modeling in native spherical space from dense ERP prediction. To this end, we propose a Fibonacci Spherical Graph (FSG) as an intermediate reasoning space to lift ERP features onto quasi-uniform Fibonacci nodes on the sphere and capture local and long-range dependencies through complementary spherical neighborhoods. The resulting spherical discretization distributes graph nodes approximately uniformly over the spherical surface, reducing the over-representation of highly stretched regions during relational modeling. Operating on a compact set of Fibonacci nodes also avoids the computational burden of constructing and processing a graph at full ERP resolution. To bridge spherical reasoning and dense prediction, we propose a Spherical Context Conditioning (SCC) module that adaptively modulates dense ERP features with the enhanced spherical representation, allowing spherical context to guide pixel-aligned depth prediction. Extensive experiments on three benchmarks demonstrate that the proposed method consistently achieves superior depth accuracy over existing approaches.
• Abstract（参考訳）: 等角射影(ERP)はパノラマ深度推定に広く用いられているが、空間的に変化する歪みは、幾何学的に一貫性のある特徴モデリングを困難にしている。 固有球面空間におけるコンテキストモデリングを高密度ERP予測から分離することでパノラマ深度推定を再検討する。 この目的のために、球面上の準一様フィボナッチノード上にERP特徴を持ち上げる中間推論空間としてFibonacci Spherical Graph (FSG)を提案する。 結果として得られる球面の離散化は、グラフノードをほぼ一様に球面上に分散させ、関係モデリングにおいて高度に拡張された領域の過剰表現を低減する。 コンパクトなFibonacciノードの操作はまた、完全なERP解像度でグラフを構築し、処理する際の計算負担を回避する。 球面推論と密接な予測を橋渡しするために,高次球面表現により高密度ERP特徴を適応的に変調し,球面コンテキストが画素方向の深度予測を導出する球面コンテキスト条件(SCC)モジュールを提案する。 3つのベンチマーク実験により,提案手法は既存手法よりも精度が高いことを示す。

関連論文リスト

• SphereSOD: Geometry-Structure Coupled Learning for 360 Salient Object Detection [75.77856258186854]
  360度高解像度物体検出は、全視野にわたって高解像度領域を正確に分割することを目的としている。 既存の手法は主に、パノラマ幾何学と健全な物体構造との相互作用を見越しながら、投影歪みを補正することに焦点を当てている。 SphereSODは、パノラマ幾何学と進化する塩分構造を結合したERPネイティブフレームワークである。
  論文  参考訳（メタデータ） (2026-09-07T14:47:54Z)
• From Basis to Basis: Gaussian Particle Representation for Interpretable PDE Operators [10.039418546901775]
  流体のPDEダイナミクスの学習は、神経演算子やトランスフォーマーベースのモデルにますます依存しているが、これらのアプローチは解釈可能性に欠け、ローカライズされた高周波構造に苦しむことが多い。 我々は、学習原子が明示的な幾何学を持ち、コンパクトでメッシュに依存しない直接可視化可能な状態を形成するガウス基底の場を表現することを提案する。 標準的なPDEベンチマークと実データセットに基づいて,本手法は本質的な解釈性を提供しながら,最先端の競争精度を実現する。
  論文  参考訳（メタデータ） (2026-02-25T04:16:44Z)
• Herglotz-NET: Implicit Neural Representation of Spherical Data with Harmonic Positional Encoding [4.2412715094420665]
  Inlicit Neural representations (INR) は、高忠実度データ表現の有望な代替手段として登場した。 Herglotz-NET(HNET)は、複雑なHerglotzマッピングに基づく高調波位置符号化を利用する新しいINRアーキテクチャである。 我々は,HNETを球面データの正確なモデリングのためのスケーラブルで柔軟なフレームワークとして確立した。
  論文  参考訳（メタデータ） (2025-02-19T14:40:02Z)
• SGFormer: Spherical Geometry Transformer for 360 Depth Estimation [52.23806040289676]
  パノラマ歪みは360度深度推定において大きな課題となる。 本稿では,SGFormer という球面形状変換器を提案し,上記の問題に対処する。 また、様々な解像度で空間構造を補うために、クエリベースの大域的条件位置埋め込みを提案する。
  論文  参考訳（メタデータ） (2024-04-23T12:36:24Z)
• SphereDiffusion: Spherical Geometry-Aware Distortion Resilient Diffusion Model [63.685132323224124]
  制御可能な球状パノラマ画像生成は、様々な領域でかなりの応用可能性を持っている。 本稿では,これらの課題に対処するために,SphereDiffusionの新しいフレームワークを提案する。 Structured3Dデータセットの実験では、SphereDiffusionは制御可能な球面画像生成の品質を大幅に改善し、平均して約35%のFIDを相対的に削減している。
  論文  参考訳（メタデータ） (2024-03-15T06:26:46Z)
• Spherical Feature Pyramid Networks For Semantic Segmentation [0.0]
  球面メッシュ上で信号を表現するグラフベースモデルを開発した。 従来最高の球面CNNよりも3.75IoUポイント向上したmIOUの48.75で最先端の性能を実現した。
  論文  参考訳（メタデータ） (2023-07-05T21:19:13Z)
• PU-Flow: a Point Cloud Upsampling Networkwith Normalizing Flows [58.96306192736593]
  本稿では,正規化フローを組み込んだPU-Flowについて述べる。 具体的には、重みが局所的な幾何学的文脈から適応的に学習される潜在空間において、アップサンプリング過程を点として定式化する。 提案手法は, 再現性, 近接精度, 計算効率の観点から, 最先端の深層学習手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2021-07-13T07:45:48Z)

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。