ダブルヘリックスアクティブジオメトリ：LiDARアンカーを用いた選択的棄権付き多視点深度推定
DH-Activeは、LiDARをメートル定規として扱う軽量で学習不要のジオメトリバックエンドです。近距離のLiDAR戻り値をPnPでアンカーし、有効な深度がない視覚的特徴を三角測量します。視差/再投影ゲートが幾何学的条件の悪い領域で棄権し、明示的な穴と選択的スコアを残します。コアフロントエンドはCPUで1.11ミリ秒の中央値レイテンシで動作し、DINOv2-L GPUブランチより約38倍高速です。ベンチマークでは、中央値相対誤差1.4%～6.7%を達成し、遠方候補のカバレッジ64.2%（誤差13.4%）を実現しました。
研究者らは、コンシューマー向け深度センサーを用いた多視点深度推定を改善する新しい手法「DH-Active」を提案した。本手法はLiDARをメートル定規として扱い、単一の深度源としてではなくスケールの基準として利用する。近距離のLiDAR戻り値は、透視n点（PnP）アルゴリズムにより2視点間の相対姿勢を固定する。その後、有効な深度戻り値がないが視覚的に追跡可能なサンプルは、その姿勢下で三角測量される。
DH-Activeの重要な革新は、選択的棄権メカニズムである。視差/再投影ゲートが幾何学的条件の悪い領域で推定を放棄し、強制的な出力ではなく明示的な穴と選択的スコアを残す。これにより、不確実な領域での誤差の蓄積を防ぐ。
計算効率は極めて高い。コアフロントエンド（スパイラルサンプリング、スパース逆投影、穴分類を含む）は、CPU上でOpenCVを用いて14スレッドで動作し、中央値レイテンシはわずか1.11ミリ秒である。これは、GPU上のDINOv2-Lベースの視覚ブランチより約38倍高速である。複数のベンチマーク（2台のiPhoneキャプチャ、公開TUM RGB-D、ARKitScenes）において、DH-Activeが復元した深度の中央値相対誤差は1.4%～6.7%の範囲であった。ARKitScenesの制御プロトコルでは、2m以内の戻り値のみを使用してスケールを設定し、独立したレーザースキャンを真値として、DH-Activeは評価可能な遠方候補に対してシーン中央値カバレッジ64.2%、シーン中央値相対誤差13.4%を達成した。対照的に、デバイスの軌跡からの直接三角測量は利用できなかった。
論文では、単一フレームのデフォーカス、古典的なフォーカススタック深度、デフォーカス-LiDAR融合、良好な視覚慣性トラック上の点対点ICP、穴への注意リサンプリングなど、失敗した代替手法も報告されている。注目すべき点として、26億パラメータの学習モデルはスケール調整後に依然として高精度であるが、DH-Activeの貢献はより限定的である：メートル単位のスパース深度、明示的な棄権、ゼロ学習パラメータ、そしてミリ秒近いCPUコストである。 DH-Activeの提案は、特にリアルタイム深度推定が求められ、計算リソースが限られたモバイルデバイスにおいて重要な実用的意義を持つ。本手法は、スパースなLiDAR計測と視覚特徴を効果的に組み合わせ、大規模学習ではなく幾何学的知識に基づいて信頼性の高い深度情報を得る方法を示している。このアプローチは、システムの複雑性を低減し、推論速度を向上させ、未知環境への適応性を高める上で示唆に富む。今後の研究では、DH-Activeの選択的棄権機構を学習モデルと融合し、効率を維持しつつ精度をさらに向上させる方法が探求されるだろう。