文献

J-GLOBAL ID：201702214714789346   整理番号：17A1705726

ロバストなステレオ推定のための深さを改善するための学習【Powered by NICT】

Learning to refine depth for robust stereo estimation

著者 (4件)： Cheng Feiyang (Image Research Center, Beihang University, Xueyuan Rd., Haidian Dist., Beijing, 100191, China) ,  Cheng Feiyang (Computer Vision Group, National ICT Australia, Locked Bag 8001, Canberra, 2601, Australia) ,  He Xuming (Computer Vision Group, National ICT Australia, Locked Bag 8001, Canberra, 2601, Australia) ,  Zhang Hong (Image Research Center, Beihang University, Xueyuan Rd., Haidian Dist., Beijing, 100191, China)
資料名： Pattern Recognition  (Pattern Recognition)
巻： 74  ページ： 122-133  発行年： 2018年 
JST資料番号： D0611A  ISSN： 0031-3203  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： ステレオ画像からの伝統的深さ推定は通常パッチ-マッチング問題,滑らかさを課し,深さ非連続性と閉塞を扱うために後処理段階必要とするとして定式化した。近年のディープネットワークアプローチは全視差マップのための回帰を直接学習が,それらはまだ深さ不連続性に近い大きな誤差の影響を受ける。本論文では,深い回帰ネットワークにより生成された視差マップを精密化するための新しい方法を提案した。アドホック後処理に依存する代わりに,ここでは,回帰ネットワークにおける学習された特徴表現から信頼マップと視差勾配を予測する統一深いネットワークモデルを学習する。初期視差推定,信頼マップと深さ精密化のための連続Markov確率場(MRF)に視差勾配,豊富な表面構造を表現することのできるを統合した。視差MRFモデルは閉形式で効率的な大域的最適化により解くことができる。人工的および実世界データセットの両者の上で提案アプローチの評価を行い,その結果は,最先端の性能を達成し,深さ境界の近傍における小さい誤差を持つ一層構造保存視差マップをもたらすことを示した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 定式化 ,  平滑度 ,  後処理 ,  *学習 ,  視差 ,  *ロバスト性 ,  表面構造 ,  不連続性 ,  立体画像 ,  ネットワーク ,  ニューラルネットワーク ,  精密化 ,  連続性
準シソーラス用語： Markov確率場 ,  視差画像 , 【Automatic Indexing@JST】

著者キーワード (3件)： ステレオマッチング ,  信頼測度 ,  畳込みニューラルネットワーク

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： ロバスト ,  ステレオ ,  推定 ,  学習