論文の概要: Which Depth Estimator for Jetson AGX Orin? A 2026 Benchmark of Monocular and Stereo Methods
- arxiv url: http://arxiv.org/abs/2610.27199v1
- Date: Mon, 19 Oct 2026 19:34:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-21 21:58:47.481709
- Title: Which Depth Estimator for Jetson AGX Orin? A 2026 Benchmark of Monocular and Stereo Methods
- Title（参考訳）: ジェットソンAGXオーリンの深さ推定器 : 2026年単分子法とステレオ法のベンチマーク
- Abstract要約: Abson AGX Orinは、ロボットと車両のための一般的なコンピュータである。
2026年10月現在、9つのモデルファミリーをベンチマークします。
各メソッドは、最大3つの入力サイズで、RT FP16エンジンまたはネイティブコードとしてOrin上で実行される。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The Jetson AGX Orin is a common computer for robots and vehicles, yet measured accuracy, speed and energy of current depth estimators on it are hard to find. We benchmark nine model families as of October 2026: the monocular Depth Anything V2 and 3, Depth Pro, MoGe-2, Metric3D v2 and UniDepth V2, and the stereo methods libSGM, NVIDIA ESS and Fast-FoundationStereo. Every method runs on the Orin as a TensorRT FP16 engine or native CUDA code at up to three input sizes, up to the full 5.7 MP, and is scored for metric accuracy against Middlebury 2014 ground truth (non-occluded pixels of the 10 scenes whose disparity stays below 256 px), GPU time, energy and licence. Stereo is far more accurate. At 30 fps, NVIDIA's ESS reaches 0.70% AbsRel in 8.6 ms and libSGM 0.73% in 25 ms; with more compute, Fast-FoundationStereo reaches 0.33%. The best monocular models reach 12% with the true focal length (Depth Anything 3 Metric-L in 33 ms, Depth Pro in 803 ms), and 3.8-4.0% only with an oracle per-image scale (MoGe-2-L, UniDepth V2-B, Metric3D v2-L). Stereo error falls as the input resolution grows; no monocular model improves, and the metric scale of most drifts away from the truth outside their training resolution. At depth discontinuities, which AbsRel barely registers, the monocular models scatter 17-46% of the edge points between foreground and background, learned stereo 2-9% and libSGM at full resolution 1%. We give recommendations per frame-rate budget and release all code, per-scene results and engine build scripts.
- Abstract（参考訳）: Jetson AGX Orinはロボットや車両の一般的なコンピュータだが、現在の深度推定器の精度、速度、エネルギーは見つからない。
2026年10月現在、9つのモデルファミリをベンチマークしている: モノラルなDepth Anything V2と3、Depth Pro、MoGe-2、Metric3D v2、UniDepth V2、ステレオメソッドlibSGM、NVIDIA ESS、Fast-FoundationStereo。
それぞれのメソッドは、最大で5.7MPまでの3つの入力サイズを持つTensorRT FP16エンジンまたはネイティブCUDAコードとしてOrin上で動作し、ミドルベリー2014の地上真実(256px未満の10シーンの非排除画素)、GPU時間、エネルギ、ライセンスの計測精度でスコア付けされる。
Stereoの方がずっと正確だ。
30fpsでNVIDIAのESSは8.6msで0.70%のAbsRel、25msでlibSGM 0.73%に達し、より計算量が多いため、Fast-FoundationStereoは0.33%に達する。
最良の単分子モデルは、真の焦点距離で12%に達する(33msのDepth Anything 3 Metric-L、803msのDepth Pro、および3.8-4.0%は、オラクルごとのスケール(MoGe-2-L、UniDepth V2-B、Metric3D v2-L)のみである。
ステレオ誤差は入力分解能が増大するにつれて減少し、単分子モデルの改善はなく、ほとんどの計量スケールはトレーニング分解能の外側の真実から遠ざかる。
AbsRelがほとんど登録していない深度不連続では、モノクラーモデルは前景と背景の間に17-46%のエッジポイントを散乱させ、全解像度1%でステレオ2-9%とlibSGMを学習した。
フレームレートの予算毎にレコメンデーションを提供し、すべてのコード、シーン毎の結果、エンジンビルドスクリプトをリリースします。
関連論文リスト
- 3D Point Tracking with State Space Models [6.283389478105533]
3Dポイントトラッカーは、3Dと4Dの再構築、ロボットナビゲーション、自動運転を支えている。
1つの点の2次元画像軌跡が固定されると、そのメートル法精度を規定する量は、そのピクセル線に沿った深さである。
最適構成は同一条件下で評価された手法の中で最高の絶対距離精度が得られる。
論文 参考訳（メタデータ） (2026-09-27T23:56:35Z) - What actually runs: a measurement study of language model placement and decode speed on the Apple Neural Engine [0.0]
一致したモデルのサイズと精度をトレーニングし、量子化されたチェックポイントを、fp16のモデルに比例した構造で識別する。
私たちは推論中にANEのメモリコントローラのバイトカウンタを読み、コンパイラが意図したものではなく実際に実行するものを確立しました。
論文 参考訳（メタデータ） (2026-08-22T21:22:24Z) - SkySeaLand: A Wide-Format Satellite Transportation Benchmark with an Ultra-Lightweight Detection Baseline [0.0]
1,307個の高解像度衛星画像と19,101個の検証済みバウンディングボックスからなる公開データセットであるSkySeaLandを紹介した。
コレクションは、大きなソースイメージと広いシーン幾何学によって支配されている。
YOLO,RT-DETR,DETR,Faster R-CNNの12個の検出器を共通スプリットとCOCO測定値を用いて評価した。
論文 参考訳（メタデータ） (2026-08-07T16:23:52Z) - DepthART: Scaling Foundation Monocular Depth to Tiny Models [51.10174763031444]
DepthARTは、様々なシーンにまたがるデバイス上のデプロイメントのためのコンパクトなMDEモデルである。
ゼロショット一般化とメートル法精度の両方において、DepthARTが従来の小さなベースラインを一貫して上回っていることを示す。
また、GTX A6000で347/245 FPS (strict FP32)、Orin NX 8GBで2242/4482ドル、102 FPS (TF32)、Jetson Nano 4GBで15 FPS (FP32) に達したスケーラブルなモデルファミリも提供しています。
論文 参考訳（メタデータ） (2026-07-19T06:54:52Z) - Representation Distribution Matching for One-Step Visual Generation [107.84208192304455]
表現分布マッチング(Representation Distribution Matching, RDM)の設計空間の解明
2つの設計軸、分布がどのように比較され、それらの表現が比較されるかを特定し、それに沿って制御された研究によって3つの結果が得られた。
同じレシピは4ステップのFLUX.2[klein]を1ステップのジェネレータに後付けし、GenEvalの4ステップバージョンである0.826から0.794、PickScoreの22.76から22.58を90 H200 GPU時間で上回った。
論文 参考訳（メタデータ） (2026-07-02T16:15:38Z) - Real-Time Branch-to-Tool Distance Estimation for Autonomous UAV Pruning: Benchmarking Five DEFOM-Stereo Variants from Simulation to Jetson Deployment [5.266753902938501]
タスク固有の合成データセット上でDEFOM-Stereoの5つの変種をトレーニングし、NVIDIA Jetson Orin Super 16 GB上でチェックポイントをデプロイする。
トレーニングコーパスはUnreal Engine 5で構築され、シミュレーションされたZED Miniステレオカメラ5,520台のステレオペアが115本のツリーインスタンスに2mの距離で3つの視点から配置されている。
DeFOM-PrunePlusは車載距離推定に最も実用的な精度-レイテンシバランスを提供する。
論文 参考訳（メタデータ） (2026-03-27T10:16:39Z) - Training Deep Stereo Matching Networks on Tree Branch Imagery: A Benchmark Study for Real-Time UAV Forestry Applications [5.266753902938501]
本研究は,実木分岐画像上で10種類の深部ステレオマッチングネットワークを訓練し,テストするための最初の研究である。
1080Pと720PのZED Miniカメラから、Canterbury Tree Branchesデータセット -- 5,313のステレオペアを使用します。
10の方法は、ステップバイステップの洗練、3次元の畳み込み、エッジ対応の注意、軽量デザインをカバーしている。
論文 参考訳（メタデータ） (2026-02-23T12:12:43Z) - LeAD-M3D: Leveraging Asymmetric Distillation for Real-time Monocular 3D Detection [72.97402509843484]
LeAD-M3Dは最先端のモノクル3D検出器であり、余分なモダリティを伴わずに最先端の精度とリアルタイムの推論を実現する。
非対称増強脱ノイズ蒸留(A2D2)は、幾何学的知識をクリーンイメージの教師からミックスアップノイズの学生に伝達する。
3D-Aware Consistent Matching (CM3D) は、予測と地上の真理の割り当てを改善する。
CGI3D(Confidence-Gated 3D Inference)は、高額な3Dレグレッションをトップ信頼領域に制限することで、検出を加速する。
論文 参考訳（メタデータ） (2025-12-05T12:08:18Z) - FlashDepth: Real-time Streaming Video Depth Estimation at 2K Resolution [50.55876151973996]
ビデオ深度推定モデルは,(1)フレーム間の精度,(2)高解像度深度マップの作成,(3)リアルタイムストリーミングをサポートする。
提案するFlashDepthは,2044x1148ストリーミングビデオの深さ推定を24FPSで行うことで,3つの要件をすべて満たす手法である。
我々は、最先端の深度モデルに対する複数の未知のデータセットに対するアプローチを評価し、競争精度を維持しながら、境界のシャープネスと速度の点でそれらを上回ります。
論文 参考訳（メタデータ） (2025-04-09T17:59:31Z) - Metric3D: Towards Zero-shot Metric 3D Prediction from A Single Image [85.91935485902708]
ゼロショット単視距離深度モデルの鍵は、大規模データトレーニングと様々なカメラモデルからの距離あいまいさの解消の組合せにあることを示す。
本稿では,あいまいさ問題に明示的に対処し,既存の単分子モデルにシームレスに接続可能な標準カメラ空間変換モジュールを提案する。
本手法は, ランダムに収集したインターネット画像上での計測3次元構造の正確な復元を可能にする。
論文 参考訳（メタデータ） (2023-07-20T16:14:23Z) - Tracking Objects as Points [83.9217787335878]
同時に検出と追跡を同時に行うアルゴリズムは,最先端技術よりもシンプルで,高速で,高精度である。
トラッカーであるCenterTrackは、前のフレームから一対のイメージと検出に検出モデルを適用します。
CenterTrackはシンプルで、オンライン(未来を覗くことはない)で、リアルタイムだ。
論文 参考訳（メタデータ） (2020-04-02T17:58:40Z)
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。