論文の概要: Harnessing SPAD Noise: Test-Time Gated Attention for Indoor Depth Estimation

• arxiv url: http://arxiv.org/abs/2610.15431v1
• Date: Sun, 11 Oct 2026 08:15:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 01:08:04.592027
• Title: Harnessing SPAD Noise: Test-Time Gated Attention for Indoor Depth Estimation
• Title（参考訳）: SPADノイズのハーネス化:室内深度推定のためのテスト時間Gated Attention
• Abstract要約: 本研究ではSPADノイズのハーネス化による,新しい軽量なテスト時間ゲーテッドアテンションフレームワークを提案する。 HSNはドメイン内設定における最先端のメートル法深度精度を達成できるが、ゼロショットの一般化では未知の環境にさらに大きな可能性を示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Monocular depth estimation (MDE) has emerged as a cost-effective alternative to hardware-dependent 3D sensing modalities, yet predicting precise metric depth remains a persistent challenge due to intrinsic scale ambiguity, edge bleeding, and limited zero-shot generalization in unseen environments. Recent multi-modal approaches incorporate 1D/3D Single-Photon Avalanche Diode (SPAD) data to resolve these ambiguities, but they mainly treat SPAD noise as a harmful artifact required for denoising or leave the noise ignored. In this paper, we present an essentially different insight: native SPAD noise is an informative prior that implicitly encodes deterministic environmental characteristics. Driven by this paradigm shift, we introduce a novel, lightweight Test-Time Gated Attention framework by Harnessing SPAD Noise, therefore dubbed HSN. Tailored for indoor scenarios, HSN leverages the synergistic combination of 1D SPAD histograms and Gate Adapters (GAs). Through three complementary optimization phases, it generates channel-wise gated attention vectors to dynamically adjust encoder feature maps at inference time, effectively resolving ambiguous scale and boundary challenges without the heavy computational overhead or dense 3D modalities that other TTA methods suffer from. Extensive experiments on challenging real-world indoor benchmarks show that HSN achieves state-of-the-art metric depth accuracy in in-domain settings, while exhibiting even greater potential under zero-shot generalization to unfamiliar environments. Furthermore, interpretability analysis reveals that the proposed gated attention mechanism adaptively shifts attention toward deeper semantic layers under intensifying SPAD noise. Code will be made publicly available.
• Abstract（参考訳）: 単眼深度推定(MDE)は、ハードウェア依存の3Dセンシング方式に代わるコスト効率の高い代替手段として登場したが、本質的なスケールの曖昧さ、エッジの出血、目に見えない環境でのゼロショットの一般化の制限により、正確な距離深度を予測することは永続的な課題である。 最近のマルチモーダルアプローチでは、これらの曖昧さを解決するために1D/3Dシングルフォト雪崩ダイオード(SPAD)データを組み込んでいる。 本稿では,決定論的環境特性を暗黙的に符号化する,ネイティブSPADノイズは情報的先行性を示す。 このパラダイムシフトによって、我々はSPADノイズのハーネス化による、新しい軽量なテスト時間ゲーテッドアテンションフレームワーク、すなわちHSNを導入しました。 屋内シナリオ用に設計されたHSNは、1D SPADヒストグラムとゲートアダプタ(GA)の相乗的組み合わせを利用する。 3つの相補的な最適化フェーズを通じて、チャネルワイドのアテンションベクトルを生成し、推論時にエンコーダ特徴写像を動的に調整し、他のTTA手法が抱える重い計算オーバーヘッドや高密度な3Dモダリティを伴わずに、あいまいなスケールと境界課題を効果的に解決する。 実世界の屋内ベンチマークに挑戦する大規模な実験により、HSNはドメイン内の設定において最先端のメートル法深度精度を達成する一方で、未知の環境に対してゼロショットの一般化の下でさらに大きなポテンシャルを示すことが示された。 さらに、解釈可能性分析により、提案手法はSPAD雑音の強調の下で、より深い意味層に適応的に注意を移すことが分かる。 コードは公開されます。

関連論文リスト

• LESV: Language Embedded Sparse Voxel Fusion for Open-Vocabulary 3D Scene Understanding [9.377694035678948]
  本稿では,Sparse Voxel Rasterization (SVRaster) を構造的,不随伴な幾何学表現として活用する新しいフレームワークを提案する。 これにより、決定論的で信頼性に配慮した特徴登録プロセスが可能となり、3DGSに共通する意味的出血アーティファクトが抑制される。 提案手法は,Open Vocabulary 3D Object Retrieval と Point Cloud Understanding ベンチマークの最先端性能を実現する。
  論文  参考訳（メタデータ） (2026-04-01T20:48:06Z)
• Difficulty-Aware Label-Guided Denoising for Monocular 3D Object Detection [17.487124484503322]
  そこで本研究では,MonoDLGDを提案する。 MonoDLGDは、検出の不確実性に基づいて、地絡ラベルを適応的に摂動し、再構築する。 KITTIベンチマークの実験は、MonoDLGDがあらゆる難易度で最先端のパフォーマンスを達成することを示した。
  論文  参考訳（メタデータ） (2025-11-17T10:02:18Z)
• Robust Single-Stage Fully Sparse 3D Object Detection via Detachable Latent Diffusion [23.609914983496566]
  Denoising Diffusion Probabilistic Models (DDPM) は堅牢な3Dオブジェクト検出タスクに成功している。 RSDNetというDDPMの分離可能な遅延フレームワーク(DLF)を備えたロバスト一段完全スパース3Dオブジェクト検出ネットワークを提案する。
  論文  参考訳（メタデータ） (2025-08-05T09:30:39Z)
• 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)
• OPA-3D: Occlusion-Aware Pixel-Wise Aggregation for Monocular 3D Object Detection [51.153003057515754]
  OPA-3Dは、Occlusion-Aware Pixel-Wise Aggregationネットワークである。 密集した風景深度と、奥行きのある箱残量と物の境界箱を共同で推定する。 メインカーのカテゴリーでは最先端の手法よりも優れています。
  論文  参考訳（メタデータ） (2022-11-02T14:19:13Z)
• On Robust Cross-View Consistency in Self-Supervised Monocular Depth Estimation [56.97699793236174]
  本論文では,2種類の堅牢なクロスビュー整合性について検討する。 深度特徴空間と3次元ボクセル空間の時間的コヒーレンスを自己教師付き単眼深度推定に利用した。 いくつかのアウトドアベンチマークの実験結果から,本手法は最先端技術より優れていることが示された。
  論文  参考訳（メタデータ） (2022-09-19T03:46:13Z)
• GLENet: Boosting 3D Object Detectors with Generative Label Uncertainty Estimation [70.75100533512021]
  本稿では,対象物の潜在的可算有界箱の多様性として,ラベルの不確実性問題を定式化する。 本稿では,条件付き変分オートエンコーダを応用した生成フレームワークであるGLENetを提案する。 GLENetが生成するラベルの不確実性はプラグアンドプレイモジュールであり、既存のディープ3D検出器に便利に統合することができる。
  論文  参考訳（メタデータ） (2022-07-06T06:26:17Z)
• Depth-conditioned Dynamic Message Propagation for Monocular 3D Object Detection [86.25022248968908]
  モノラル3Dオブジェクト検出の問題を解決するために、コンテキストと奥行きを認識する特徴表現を学びます。 KITTIベンチマークデータセットにおける単眼的アプローチにおける最新の結果を示す。
  論文  参考訳（メタデータ） (2021-03-30T16:20:24Z)
• Unsupervised Hyperspectral Mixed Noise Removal Via Spatial-Spectral Constrained Deep Image Prior [20.800924148446978]
  HSI混合雑音除去のための空間スペクトル制約深部画像(S2DIP)を提案する。 提案したS2DIPは、訓練データなしで深部CNNから得られる表現力を利用する。 提案手法は, DIPのHSI復調能力を大幅に向上させる。
  論文  参考訳（メタデータ） (2020-08-22T04:25:08Z)

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。