論文の概要: FlowMoDE: Coarse-to-fine Flow Matching for Detail-aware Sim-to-Real Monocular Depth Estimation

• arxiv url: http://arxiv.org/abs/2610.41190v1
• Date: Fri, 30 Oct 2026 03:13:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-02 22:05:31.603668
• Title: FlowMoDE: Coarse-to-fine Flow Matching for Detail-aware Sim-to-Real Monocular Depth Estimation
• Title（参考訳）: FlowMoDE: 細部認識型Sim-to-Real単分子深さ推定のための粗粒径フローマッチング
• Abstract要約: FlowMoDEは構造対応の単眼深度推定フレームワークである。 sim-to-realおよびcross-sceneの一般化をサポートする。 1つの合成屋内データセットのみをトレーニングしました。
• 参考スコア（独自算出の注目度）: 8.477366763853478
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Monocular depth estimation is a fundamental capability for 3D spatial perception in robotic and intelligent systems. While data-driven discriminative methods have achieved compelling performance for monocular depth estimation, generative approaches can reconstruct fine structural details with stronger generalization. However, most existing generative diffusion models suffer from low inference efficiency caused by multi-step sampling, whereas single-step diffusion models struggle to recover high-fidelity depth maps. To mitigate these drawbacks, this paper presents FlowMoDE, a coarse-to-fine flow-matching-based framework for efficient, structure-aware monocular depth estimation supporting sim-to-real and cross-scene generalization. The core architecture first conducts coarse-level decoding conditioned on diffused features extracted from a pre-trained semantic encoder, and subsequently restores fine-grained structural patterns via expanded decoding layers. Trained exclusively on a single synthetic indoor dataset, our proposed method outperforms prior methods across five real-world indoor and outdoor datasets, yielding an average 14.1% reduction in relative error against state-of-the-art works as well as 9.9\% reduction in chamfer distance for point cloud reconstruction. We further validate the generalization capability of FlowMoDE on realistic robotic scenes, with qualitative comparisons against state-of-the-art methods. The project page is https://flowmode-shao.netlify.app/
• Abstract（参考訳）: 単眼深度推定はロボット・インテリジェントシステムにおける3次元空間知覚の基本的な機能である。 データ駆動判別法は単分子深度推定において魅力的な性能を達成しているが、生成的アプローチはより強力な一般化で微細構造の詳細を再構築することができる。 しかし、既存の生成拡散モデルの多くは、多段階サンプリングによる推論効率の低下に悩まされている一方、単一ステップ拡散モデルは高忠実度深度マップの復元に苦慮している。 これらの欠点を軽減するために,本論文では,Sim-to-realおよびクロスシーンの一般化を支援する,構造対応の単眼深度推定を効率的かつ効率的に行うための,粗大なフローマッチングベースのフレームワークであるFlowMoDEを提案する。 コアアーキテクチャは、まず、事前訓練されたセマンティックエンコーダから抽出された拡散特徴に基づいて粗いレベルのデコードを行い、その後、拡張されたデコード層を介して微細な構造パターンを復元する。 提案手法は, 室内および屋外の5つの実世界のデータセットに比較して, 従来手法よりも平均14.1%の相対誤差, 9.9%のシャムファー距離の低減を実現している。 本研究では,現実的なロボットシーンにおけるFlowMoDEの一般化能力を,最先端の手法と比較して定性的に検証する。 プロジェクトページはhttps://flowmode-shao.netlify.app/

関連論文リスト

• FlowObject: Flow Steering for Bridging Generative Priors and Reconstruction Fidelity [34.142288038459704]
  FlowObjectは、スパースビューの3D再構成をトレーニング不要でガイド付き逆問題として再構成するフレームワークである。 提案手法は、幾何学的完全性およびビュー依存外観忠実度の両方において、最先端の生成モデルと最適化に基づくフレームワークを著しく上回る。
  論文  参考訳（メタデータ） (2026-06-17T12:42:09Z)
• Visual Autoregressive Modelling for Monocular Depth Estimation [69.01449528371916]
  本稿では,視覚的自己回帰(VAR)に基づく単眼深度推定手法を提案する。 提案手法は,大規模テキスト・画像VARモデルに適応し,スケールワイド・コンディショナル・アップサンプリング機構を導入する。 本研究では,屋内ベンチマークにおける制約付きトレーニング条件下での最先端性能と,屋外データセットに適用した場合の強い性能について報告する。
  論文  参考訳（メタデータ） (2025-12-27T17:08:03Z)
• DepthFM: Fast Monocular Depth Estimation with Flow Matching [22.206355073676082]
  現在の識別的深さ推定法は、しばしばぼやけた人工物を生成するが、生成的アプローチはノイズ・ツー・ディープ・トランスポートの曲率によるサンプリングが遅い。 本手法は,画像と深度分布間の直接輸送として深度推定をフレーミングすることで,これらの課題に対処する。 提案手法は, 複雑な自然シーンの標準ベンチマークにおいて, サンプリング効率を向上し, 学習に最小限の合成データしか必要とせず, 競争力のあるゼロショット性能を実現する。
  論文  参考訳（メタデータ） (2024-03-20T17:51:53Z)
• The Surprising Effectiveness of Diffusion Models for Optical Flow and Monocular Depth Estimation [42.48819460873482]
  拡散確率モデルは、その印象的な忠実さと多様性で画像生成を変換した。 また,タスク固有のアーキテクチャや損失関数を使わずに,光学的フローと単眼深度の推定に優れることを示す。
  論文  参考訳（メタデータ） (2023-06-02T21:26:20Z)
• Hierarchical Integration Diffusion Model for Realistic Image Deblurring [71.76410266003917]
  拡散モデル (DM) は画像劣化に導入され, 有望な性能を示した。 本稿では,階層型統合拡散モデル(HI-Diff)を提案する。 人工的および実世界のぼかしデータセットの実験は、HI-Diffが最先端の手法より優れていることを示した。
  論文  参考訳（メタデータ） (2023-05-22T12:18:20Z)

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。