自己教師ありViT特徴と単眼深度ファウンデーションモデルによる高さ補完のためのテスト時適応
arXiv cs.CV / 2026/4/3
📰 ニュースSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- Prior2DSMは、欠損・更新遅れのあるデジタル表面モデル(DSM)を「学習不要（training-free）」で高さ補完するためのテスト時適応フレームワークである。
- DINOv3の自己教師ありViT特徴と、単眼の深度ファウンデーションモデルを組み合わせて、欠損領域へ相対深度からの対応付けを通じてメートル系の情報を伝播する。
- テスト時適応(TTA)では、LoRAと小型MLPにより、相対深度推定をメートル高さへ変換するための、空間的に変化するスケール／シフトを推定する。
- 実験では、補間法や従来の事前（prior）に基づく再スケーリング手法、既存の単眼深度推定モデルを上回り、線形フィッティング比でRMSEを最大46%削減し、構造の忠実性も維持する。
- 本手法はDSM更新やRGB-DSM生成にも拡張可能であり、地理空間アプリにおける欠損復元や更新ワークフローへの適用可能性を示している。
