日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

ステレオ深度推定/水中ロボティクスarXiv:2509.16415

StereoAdapter: ステレオ深度推定の水中シーンへの適応

StereoAdapter: Adapting Stereo Depth Estimation to Underwater Scenes

シェア:XThreadsFacebookLINEはてブBluesky

LoRAで適応した単眼基盤エンコーダと再帰的ステレオ精緻化を組み合わせ、水中でも高精度なステレオ深度推定を自己教師ありで実現した。

詳しい要約

1. どんなもの?

- 水中シーンのための stereo depth estimation を対象とした研究 - 低コストな passive camera から metric depth を得る stereo 手法を水中ロボティクス(navigation, inspection, mapping)へ適用 - LoRA-adapted monocular foundation encoder と recurrent stereo refinement module を統合した parameter-efficient self-supervised framework「StereoAdapter」を提案 - 合成データセット UW-StereoDepth-40K での pre-training と dynamic LoRA adaptation を導入

2. 先行研究と比べてどこがすごい?

- 既存手法の課題として (i) 大規模 vision foundation encoder を水中ドメインへラベルなしで parameter-efficient に適応すること、(ii) 大域的整合性はあるが scale-ambiguous な monocular prior と、局所的に metric だが photometrically fragile な stereo correspondence の融合を挙げる - これらに対し LoRA 適応と recurrent stereo refinement の統合で対処 - 評価で TartanAir で 6.11%、SQUID で 5.12% の改善を state-of-the-art 比で報告 - 具体的な比較対象手法名は要旨からは不明

3. 技術・手法の肝は?

- LoRA-adapted monocular foundation encoder により大規模 encoder を水中へ parameter-efficient に適応 - recurrent stereo refinement module で stereo correspondence を反復的に精緻化 - monocular prior と stereo correspondence を密に融合する枠組み - dynamic LoRA adaptation により効率的な rank 選択を実施 - 合成データセット UW-StereoDepth-40K で pre-training し多様な水中条件への robustness を強化 - 全体は self-supervised framework

4. どうやって有効だと検証した?

- simulated と real-world の両 benchmark で包括的に評価 - TartanAir で 6.11%、SQUID で 5.12% の改善を state-of-the-art 比で示す - BlueROV2 robot による real-world deployment で一貫した robustness を実証 - 具体的な評価指標や ablation の詳細は要旨からは不明

5. 議論はある?

- 水中での monocular prior の scale ambiguity と stereo correspondence の photometric fragility の融合が中心的論点 - parameter-efficient な foundation encoder 適応の必要性を議論 - 合成データ UW-StereoDepth-40K での pre-training の寄与や dynamic LoRA adaptation の効果に関する詳細な議論は要旨からは不明 - 限界や失敗事例についての記述は要旨からは不明

6. 次に読むべき論文は?

- LoRA(Low-Rank Adaptation)に関する原論文 - monocular depth foundation model(例: Depth Anything 系)の論文 - recurrent stereo refinement を用いる stereo matching 手法(例: RAFT-Stereo 系) - 水中 stereo データセット SQUID および TartanAir の原論文 - self-supervised stereo depth estimation の代表的手法

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Zhengri Wu, Yiran Wang, Yu Wen, Zeyu Zhang, Biao Wu, Hao Tang

分類: cs.CV, cs.RO

原文アブストラクト

Underwater stereo depth estimation provides accurate 3D geometry for robotics tasks such as navigation, inspection, and mapping, offering metric depth from low-cost passive cameras while avoiding the scale ambiguity of monocular methods. However, existing approaches face two critical challenges: (i) parameter-efficiently adapting large vision foundation encoders to the underwater domain without extensive labeled data, and (ii) tightly fusing globally coherent but scale-ambiguous monocular priors with locally metric yet photometrically fragile stereo correspondences. To address these challenges, we propose StereoAdapter, a parameter-efficient self-supervised framework that integrates a LoRA-adapted monocular foundation encoder with a recurrent stereo refinement module. We further introduce dynamic LoRA adaptation for efficient rank selection and pre-training on the synthetic UW-StereoDepth-40K dataset to enhance robustness under diverse underwater conditions. Comprehensive evaluations on both simulated and real-world benchmarks show improvements of 6.11% on TartanAir and 5.12% on SQUID compared to state-of-the-art methods, while real-world deployment with the BlueROV2 robot further demonstrates the consistent robustness of our approach. Code: https://github.com/AIGeeksGroup/StereoAdapter. Website: https://aigeeksgroup.github.io/StereoAdapter.

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  3. 3GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

FRONTIER(GPU搭載BTOパソコン)

FRONTIER(GPU搭載BTOパソコン)の公式広告バナーFRONTIERでGPU搭載PCを見る ↗
PR本紙発行元 EmplifAI