NDDepth：ノーマル・ディスタンス支援型モノクロmaal深度推定

単眼深度推定は、その広範な応用可能性から、視覚分野において広く注目を集めている。本論文では、3次元シーンが局所的に平面で構成されていると仮定することで、新たな物理（幾何学）駆動型の深層学習フレームワークを提案する。特に、各画素に対して表面法線と平面から原点までの距離を出力する新しい「法線-距離ヘッド」を導入し、それぞれの位置における深度を導出する。同時に、開発した「平面認識型一貫性制約」により、法線および距離の推定を正則化する。さらに、提案フレームワークのロバスト性を向上させるために、追加の深度ヘッドを統合している。これらの2つのヘッドの利点を最大限に活かすために、深度の不確実性に基づいて補完的に深度を精緻化する効果的な対照的反復精 refinementモジュールを構築した。広範な実験の結果、提案手法はNYU-Depth-v2、KITTI、SUN RGB-Dの各データセットにおいて、従来の最先端手法を上回ることが示された。特に、提出時点におけるKITTI深度推定オンラインベンチマークにおいて、すべての提出物の中で1位を獲得した。