[논문 리뷰] Towards Gold-Standard Depth Estimation for Tree Branches in UAV Forestry: Benchmarking Deep Stereo Matching Methods

Yida Lin, Bing Xue외 3명|arXiv (Cornell University)|2026. 01. 27.

Advanced Vision and Imaging인용 수 0

한 줄 요약

이 논문은 표준 벤치마크와 새로운 Tree Branches UAV 임업 데이터셋에서 제로샷(Scene Flow에서 사전학습된) eight deep stereo 방법을 체계적으로 평가하여 강건한 접근법을 식별하고 DEFOM을 식생 깊이 추정의 금본위선으로 확립한다.

ABSTRACT

Autonomous UAV forestry operations require robust depth estimation with strong cross-domain generalization, yet existing evaluations focus on urban and indoor scenarios, leaving a critical gap for vegetation-dense environments. We present the first systematic zero-shot evaluation of eight stereo methods spanning iterative refinement, foundation model, diffusion-based, and 3D CNN paradigms. All methods use officially released pretrained weights (trained on Scene Flow) and are evaluated on four standard benchmarks (ETH3D, KITTI 2012/2015, Middlebury) plus a novel 5,313-pair Canterbury Tree Branches dataset ($1920 imes 1080$). Results reveal scene-dependent patterns: foundation models excel on structured scenes (BridgeDepth: 0.23 px on ETH3D; DEFOM: 4.65 px on Middlebury), while iterative methods show variable cross-benchmark performance (IGEV++: 0.36 px on ETH3D but 6.77 px on Middlebury; IGEV: 0.33 px on ETH3D but 4.99 px on Middlebury). Qualitative evaluation on the Tree Branches dataset establishes DEFOM as the gold-standard baseline for vegetation depth estimation, with superior cross-domain consistency (consistently ranking 1st-2nd across benchmarks, average rank 1.75). DEFOM predictions will serve as pseudo-ground-truth for future benchmarking.

연구 동기 및 목표

• 자동 UAV 가지치기에서 센티미터 수준 깊이 정확도를 위한 동기 부여(임업).
• 제로샷 조건에서 여덟 개의 심층 스테레오 방법의 교차 도메인 일반화 평가.
• 식생 깊이 벤치마킹을 위한 의사-지상실험(가짜 Ground-Truth) 생성을 위한 견고한 방법 식별.
• DEFOM을 임업 깊이 추정 데이터셋의 금본위선으로 확립.

제안 방법

• 사전 학습된 Scene Flow 가중치를 사용하여 반복적 정제, 기반모델, 확산 기반, 3D CNN 아키텍처를 망라하는 여덟 개의 심층 스테레오 방법 평가.
• KITTI 2012/2015, ETH3D, Middlebury, 그리고 Canterbury, NZ에 위치한 새로운 Tree Branches 데이터셋에서 제로샷 추론 수행.
• 정확도와 실패 비율을 평가하기 위해 EPE와 D1 지표로 방법 비교.
• 교차 도메인 일관성을 기반으로 식생 씬에서 의사-지상참값 생성을 위한 가장 강건한 방법 선택.
• UAV 가지치기 작업의 적합성 평가를 위한 식생 씬의 깊이 맵 질적 분석.

Figure 1 : Initial screening of 20 stereo matching methods using officially released pretrained weights on KITTI 2015 (D1-all %) and Middlebury (Average Absolute Error, pixels). Foundation models (DEFOM: 0.79% D1, BridgeDepth: 1.01% D1) dominate KITTI 2015, while iterative methods (IGEV++: 0.97 px A

실험 결과

연구 질문

• RQ1 다양한 심층 스테레오 패러다임(반복적, 기반 모델, 확산, 3D CNN)이 식생이 밀집한 환경으로 제로샷 일반화하는가?
• RQ2 조정 없이 임업 유사 씬에 대해 어느 방법이 교차 도메인 성능이 가장 강건한가?
• RQ3 기반 모델 기반 방법이 트리 가지 깊이 추정에서 가짜 지상참값의 금본위선 역할이 될 수 있는가?
• RQ4 임업 적용을 위한 벤치마크 간 정확도(EPE)와 실패율(D1) 간의 trade-off는 어떠한가?

주요 결과

• 기반 모델 방법(DEFOM, BridgeDepth)은 교차 도메인 일관성이 강하며 벤치마크 전반에서 최고에 준하는 성능을 보임.
• DEFOM은 KITTI 2015와 Middlebury에서 균형 잡힌 성능을 제공하고 일반적으로 1위~2위에 랭크되며(평균 랭크 1.75), 모든 벤치마크에서 탁월한 일관성을 보임.
• BridgeDepth는 ETH3D와 KITTI에서 우수하지만 Middlebury에서 큰 차이로 인해 폭넓은 일반화가 어려움을 시사, 극단적 차이에 대한 일반화 한계.
• 반복적 방법(RAFT-Stereo, IGEV, IGEV++)은 안정적이면서도 교차 도메인 성능이 혼합적이며, IGEV++가 Middlebury D1에서 최고를 달성하나 보편적 우월성을 보이지 않음.
• 전통적 3D-CNN(ACVNet, PSMNet)은 교차 도메인에서 성능이 저조하고 실패가 대규모로 발생하여 교차 도메인 임업 작업에서 현대적 아키텍처의 필요성을 시사.
• DEFOM은 Tree Branches 데이터셋의 금본위선으로 선정되어 LiDAR 없이 의사-지상참값 벤치마킹을 가능하게 함.

(a) Left image