Iris: 単眼深度推定のための拡散モデルに現実世界の事前知識を取り入れる

要旨：本論文では、\textbf{Iris}を、現実世界の事前知識を拡散モデルに組み込んだ、単眼深度推定（MDE）用の決定論的フレームワークとして提案します。従来のフィードフォワード法は大量の訓練データに依存しますが、それでも細部を見逃します。従来の拡散ベースの手法は豊富な生成事前知識を活用しますが、合成データから実データへのドメイン転移には苦戦します。\textbf{Iris}は細部を保持し、合成データから実世界のシーンへ強く一般化し、限られた訓練データでも効率的に動作します。これを実現するために、二段階の Priors-to-Geometry Deterministic (PGD) スケジュールを導入します：事前段は Spectral-Gated Distillation (SGD) を用いて低周波の現実世界の事前知識を転送し、高周波の細部は拘束されません。幾何段では Spectral-Gated Consistency (SGC) を適用して高周波の忠実度を担保しつつ、合成のグラウンドトゥルースで洗練させます。両段階は重みを共有し、ハイからローへのタイムステップスケジュールで実行されます。広範な実験結果は、\textbf{Iris} が MDE の性能を大幅に改善し、現場環境での強い一般化を実現することを示しています。