深度推定とは
深度推定（Depth Estimation）とは、画像から各ピクセルのカメラからの距離（深度）を推定する技術です。2D画像から3D情報を復元する基盤技術であり、単眼深度推定とステレオ深度推定の2つに大別されます。
| ひとことで言うと | 画像から、写っているものまでの距離（奥行き）を推定する技術。 |
|---|---|
| どこで使う | 自動運転、ロボットの障害物回避、AR、写真の背景ぼかし。 |
| 注意点 | 1枚の画像からの推定は相対的な奥行きにとどまり、絶対距離は保証されない。 |
深度推定の手法
単眼深度推定は1枚の画像だけから深度を推定する手法です。幾何学的な手がかり（テクスチャの粒度、遮蔽関係、既知の物体サイズなど）を学習して深度を予測します。MonoDepth、DPT（Dense Prediction Transformer）、MiDaSなどのモデルが代表的です。ステレオ深度推定は2台のカメラ（ステレオカメラ）で撮影した画像の視差（Disparity）から深度を計算します。PSMNet、AANetなどのディープラーニングモデルが高精度な視差推定を実現しています。自己教師あり学習を用いた手法も研究が進んでおり、深度の正解データなしでも学習が可能です。
1画像を入力1枚または2枚
▶
2手がかりを読む大きさ・重なり・ぼけ
▶
3画素ごとに距離推定深度マップを生成
▶
43D情報として利用回避・計測に活用
深度推定の応用
深度推定は自動運転での障害物との距離計測、AR/VRでの仮想物体の配置、ロボットの環境認識と把持計画、スマートフォンのポートレートモード（背景ぼかし）、ドローンの障害物回避、3D再構成など、多岐にわたる応用があります。LiDARなどの深度センサーとカメラの深度推定を融合するアプローチも活発に研究されています。