深度推定とは、2次元のデジタル画像から被写体までの距離情報を計算し、3次元的な奥行きを復元するAI技術です。自動運転、ロボット工学、ARなどの分野で空間把握の基礎として広く活用されています。
深度推定とは
深度推定（Depth Estimation）とは、通常の2次元画像や映像を入力として、各画素とカメラまたは被写体との距離（奥行き）を算出し、3次元の空間情報を推定する技術です。AIやコンピュータビジョンの分野において、視覚的な空間認識を行うための重要な基盤技術となっています。
詳しく解説
深度推定の技術は、従来は複数のカメラを用いたステレオビジョンや赤外線センサー等のハードウェアに依存していましたが、近年はディープラーニングの発展により、単一の画像からでも高精度に距離を予測できるようになりました。畳み込みニューラルネットワーク（CNN）やVision Transformer（ViT）などの機械学習モデルが、画像内の物体の大きさ、重なり、テクスチャのぼけ具合などの手掛かりを学習することで、ピクセル単位または相対的な奥行きマップを出力します。
具体例・使われ方
自動運転車における歩行者や障害物までの距離計測、AR（拡張現実）アプリで仮想オブジェクトを現実の床や机の上に違和感なく配置する処理、ロボットが把持する対象物までの距離を測るマニピュレーション、スマートフォンのカメラにおける背景をぼかすポートレートモードなどに利用されています。
似た用語との違い
物体の種類や位置を分類・特定する「物体検出」や、画素単位で領域を分ける「セマンティックセグメンテーション」が2次元的な情報処理を主とするのに対し、深度推定は「奥行き（距離）」という3次元的な空間情報を復元する点で大きく異なります。
注意点
単一の画像から推定を行う手法の場合、照明の変化、反射の強い材質、テクスチャのない壁などでは精度が著しく低下することがあります。また、算出される深度は絶対的な距離ではなく相対的な値である場合が多く、完全な物理的正確性を保証するものではない点に注意が必要です。