gm.rkmvu.ac.in

이 이메일 도메인이 관측된 논문 2건

arXiv:2607.04101v1cs.CV

The Multipath Blind Spot: $K$-Agnostic Robust Calibration for Sparse-Anchor Metric Depth from Frozen Foundations

단안 깊이 기반 모델(monocular depth foundation)은 도메인 일반적 상대적 깊이를 예측하지만 절대적 스케일이 없으며, 거리 센서의 소수 희소 메트릭 앵커를 활용해 메트릭 깊이로 보정하는 방식은 메트릭 지도 학습의 매력적인 대안이 된다. 그러나 기존 희소 앵커 보정 방법들은 앵커가 깨끗하다고 가정하는 반면, 실제 센서는 단순히 누락되는 것이 아니라 잘못된 값을 갖는 이상값—비행 시간 다중경로(time-of-flight multipath), 혼합 픽셀(mixed pixels)—을 생성한다. 우리는 기존의 CFA 기반 잔차 보정 방식이 이러한 이상값 하에서 무너지며, 공개 배포된 가장 강력한 방법인 VI-Depth가 구조적인 다중경로 사각지대를 가짐을 보인다: 누락된 앵커에는 강건하지만, 앵커가 존재하되 잘못된 경우 4개 데이터셋 중 3개에서 보호되지 않은 기준선보다 뒤처진다. 우리는 보정 헤드에 대한 단 한 번의 호출 전에, 기반 모델 일관성—Theil–Sen 적합 및 기반 모델 자체의 상대적 깊이 순서에 대한 중앙값 절대 편차(median-absolute-deviation) 검정—으로 앵커를 걸러내는 매개변수 없는 추론 시간 래퍼인 다중경로 강건 앵커 보정(Multipath-Robust Anchor Calibration, MRAC)을 제안한다. MRAC는 학습된 매개변수를 추가하지 않고, CPU에서 약 50μs에 선택 과정을 실행하며, 하나의 체크포인트에서 $K \in [5, 200]$의 앵커 예산을 처리한다. 동일 백본, 동일 아키텍처 대조군이 포함된 320셀 벤치마크에서, MRAC는 모든 4가지 이상값 계열에 걸쳐 동일 백본 셀의 84%에서 엄격하게 우세하며, VI-Depth 대비 모든 12개의 손상된 다중경로 셀과 모든 16개의 KITTI 셀에서 승리하고, 재학습 없이 KITTI 다중경로 AbsRel을 3.2배(0.489에서 0.151로) 감소시킨다.