論文の概要: EG360: Efficient and Generalizable $360^\circ$ Depth Estimation via Adaptive Panorama-Perspective Distillation and Spherical Cross-Level Feature Fusion
- arxiv url: http://arxiv.org/abs/2611.16793v1
- Date: Thu, 12 Nov 2026 13:38:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.479639
- Title: EG360: Efficient and Generalizable $360^\circ$ Depth Estimation via Adaptive Panorama-Perspective Distillation and Spherical Cross-Level Feature Fusion
- Title(参考訳): EG360:Adaptive Panorama-Perspective Distillation and Spherical Cross-Level Feature Fusionによる360^\circ$depth Estimation
- Abstract要約: 本稿では,効率よく一般化可能なパノラマ深度推定モデルEG360を紹介する。
EG360は現実世界のベンチマークではゼロショット性能が強く、MAXNモードではJetson Orin NX 16GBで35FPSで動作する。
- 参考スコア(独自算出の注目度): 7.550819923326766
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Generalized panorama depth estimation has witnessed great advances in recent years. These methods typically achieve robust zero-shot generalization performance using large pretrained models, but their high computational cost makes real-time inference on embedded platforms challenging. In contrast, previous lightweight panorama models have mostly been developed for single-domain evaluations and cannot generalize well due to domain shifts. To reduce the gap between these two types of models, we introduce EG360, an efficient and generalizable panorama depth estimation model. Specifically, building on a lightweight depth model, we design an Adaptive Panorama-Perspective Distillation (APPD) strategy guided by scene geometry, along with a Spherical Cross-Level Feature Fusion (SCFF) module for global semantic perception. As a result, with only 6.593M parameters after reparameterization, EG360 achieves strong zero-shot performance on real-world benchmarks and runs at 35 FPS on a Jetson Orin NX 16GB in MAXN mode, whereas a previous ViT-small model runs at less than 2 FPS. Our code will also be made public for future research.
- Abstract(参考訳): 一般的なパノラマ深度推定は近年大きく進歩している。
これらの手法は通常、大きな事前訓練されたモデルを用いて、堅牢なゼロショット一般化性能を実現するが、その高い計算コストは、組込みプラットフォーム上でのリアルタイム推論を困難にしている。
対照的に、従来の軽量パノラマモデルは主に単一ドメイン評価のために開発されており、ドメインシフトのためうまく一般化できない。
これら2種類のモデル間のギャップを低減するために,効率よく一般化可能なパノラマ深度推定モデルEG360を導入する。
具体的には、軽量深度モデルに基づいて、シーン幾何学によって導かれる適応パノラマ-パースペクティブ蒸留(APPD)戦略と、グローバルな意味認識のための球面クロスレベル特徴融合(SCFF)モジュールを設計する。
その結果、リパラメータ化後のパラメータは6.593Mに過ぎず、EG360は実世界のベンチマークで強力なゼロショット性能を達成し、MAXNモードでJetson Orin NX 16GBで35 FPSで動作し、以前のViT-小モデルでは2 FPS未満で動作した。
私たちのコードは将来の研究のためにも公開されます。
関連論文リスト
- Compact Neural Appearance Models for Efficient Gaussian Splatting [1.579851447355843]
低次球面調和(SH)を用いた3次元ガウス・スプラッティングのような原始的基礎放射場は、一般的にビュー依存の外観をモデル化する
本稿では、SHと最近の球面外見モデルとの徹底的なエンドツーエンド比較について述べる。
我々は、小さな共有パイプラインを使用して、コンパクトなプリミティブごとの潜伏符号をデコードする暗黙の代替手法を導入する。
論文 参考訳(メタデータ) (2026-09-04T15:18:54Z) - 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) - PanoWorld: Real-World Panoramic Generation [68.3569360188378]
パノワールド(PanoWorld)は、現在の動作モデリングと長距離メモリの両方において、固定方向によるカメラ軌跡の変換を単純化する。
ワールド360の大規模な実験は、パノワールドの有効性を示し、大きなマージンで代替手法を上回った。
論文 参考訳(メタデータ) (2026-07-10T17:59:32Z) - Geometry and Gradient-based Partitioning for Panoramic Outdoor Reconstruction [32.80582033500264]
PanoLOGは、Geometry and Gradientベースのパーティショニング戦略を備えた、2段階の粗粒化フレームワークである。
屋外シーン再構築のための大規模パノラマデータセットの最初のベンチマークであるパノ360を構築した。
論文 参考訳(メタデータ) (2026-07-09T17:59:43Z) - SpheRoPE: Zero-Shot Optimization-Free 360 Panorama Generation with Spherical RoPE [12.307239950961446]
本研究では,事前学習した拡散変圧器に直接球状前駆体を注入することにより,360パノラマ画像とビデオを生成するフレームワークを提案する。
本稿では,Flux.1,Flux.2,LTX-Videoのバックボーンを用いて,テキストからパノラマまでを一般化し,ベースラインに対する競合性能を実現する。
論文 参考訳(メタデータ) (2026-06-30T17:57:04Z) - Pose Anything Anywhere:Model-free Object Poses from Arbitrary References [64.58017857473774]
RGBとRGB-Dの両方の入力をシームレスにサポートするモデルフリーフレームワークであるPANYを提案する。
1つまたはスパースなポーズフリー参照ビューで動作し、新しいオブジェクトに効果的に一般化する。
複数のベンチマークで最先端のパフォーマンスを実現し、既存のモデルフリーメソッドを大幅に上回っている。
論文 参考訳(メタデータ) (2026-06-22T17:23:57Z) - HY-Embodied-0.5: Embodied Foundation Models for Real-World Agents [71.09493646932046]
本稿では,実世界のエンボディエージェントに特化して設計された基礎モデルのファウンデーションモデルであるHY-Embodied-0.5を紹介する。
HY-Embodied-0.5スイートは、エッジ配置用に設計された2Bアクティベートパラメータを持つ効率的なモデルと、複雑な推論をターゲットとした32Bアクティベートパラメータを持つ強力なモデルである。
私たちのMoT-2Bモデルは16ベンチマークで同等の大きさの最先端モデルより優れていますが、32BはGemini 3.0 Proのようなフロンティアモデルに匹敵するパフォーマンスを実現しています。
論文 参考訳(メタデータ) (2026-04-08T17:59:48Z) - RePer-360: Releasing Perspective Priors for 360$^\circ$ Depth Estimation via Self-Modulation [20.850233169948634]
視線画像に基づいてトレーニングされた最近の深度基礎モデルは、強い性能を実現するが、360$circ$画像に乏しく一般化する。
単分子パノラマ深さ推定のための歪みを考慮した自己変調フレームワークRePer-360を提案する。
RePer-360は、相補的な射影融合から、保存された事前訓練された視点下でのパノラマ領域適応に焦点を移すことで、標準的な微調整法を超越している。
論文 参考訳(メタデータ) (2026-03-06T07:58:53Z) - Depth Completion as Parameter-Efficient Test-Time Adaptation [66.72360181325877]
CAPAはパラメータ効率のよいテスト時間最適化フレームワークであり、深度補完のために事前訓練された3D基礎モデル(FM)を適用する。
ビデオの場合、CAPAはシーケンスレベルのパラメータ共有を導入し、時間的相関を利用して、堅牢性を改善し、複数フレームの一貫性を強制するために、すべてのフレームを共同で適用する。
論文 参考訳(メタデータ) (2026-02-16T13:53:23Z) - Depth Any Panoramas: A Foundation Model for Panoramic Depth Estimation [68.95366581365829]
パノラマ距離深度基礎モデルを提案する。
我々は、公開データセット、UE5シミュレーターとテキスト・ツー・イメージ・モデルからの高品質な合成データ、Webからの実際のパノラマ画像を組み合わせることで、大規模なデータセットを収集します。
論文 参考訳(メタデータ) (2025-12-18T18:59:29Z)
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。